本文着眼于机器学习在无线通信领域的应用，分析了其对 6G 网络的影响，提出了在 6G 网络各层使用机器学习方法解决问题的前景以及使用 ML 进行无线网络的零触碰优化的有趣方面，并针对每个部分提出了有价值的研究问题。

Apr, 2020

本文综述了基于深度学习的 5G 通信方案的发展，并提出了高效的深度学习方案，探讨了非正交多址接入（NOMA）、海量多输入多输出（MIMO）和毫米波（mmWave）的通信框架，并展示了它们卓越的表现。本文的创新点在于深度学习技术在无线物理层框架中的优化方法为通信理论开辟了新的方向。

Apr, 2019

这篇文章提出了一种基于人工智能的 6G 网络智能架构，用于实现知识发现、智能资源管理、自动网络调整和智能服务提供。作者还回顾和讨论了 AI 技术在 6G 网络中的应用，并详细阐述了如何利用 AI 技术有效地优化网络性能，包括 AI 支持的移动边缘计算、智能移动和切换管理以及智能频谱管理。另外，作者强调了重要的未来研究方向和 AI-enabled 6G 网络的潜在解决方案，包括算法鲁棒性、计算效率、硬件开发和能源管理等。

Dec, 2019

本文介绍了一种将模型训练和推断能力嵌入到网络边缘的边缘人工智能技术，为 6G 提供了一种优化网络效率、效果、隐私和安全的解决方案，并提出了新的无线网络设计原则、面向服务的资源分配优化方法、端到端的架构以支持边缘人工智能。

Nov, 2021

本文讨论了 6G 的潜在技术以支持移动人工智能应用，并探讨了能够设计和优化 6G 架构、协议和运营的 AI 启用方法。

Apr, 2019

6G 体系结构中人工智能和大型语言模型（LLMs）以及预训练的广义变压器（GPT）的无缝集成将在 AI 中心化操作和下一代通信范式中起到关键作用。

Nov, 2023

数字孪生通过同步数字复制品实现物理实体的仿真、评估和优化，在复杂的无线网络中作为一项有前景的技术引起了越来越多的关注。本文讨论了在 6G 时代中，考虑到复杂的网络架构、巨大的网络规模、广泛的覆盖范围和多样化的应用场景，对无线网络数字孪生的新要求，并进一步探讨了生成式人工智能，如变压器和扩散模型等在多个方面强化 6G 数字孪生的应用，包括实施、物理 - 数字同步和切片能力。随后，我们提出了一个基于分层生成式人工智能的无线网络数字孪生，包括消息层和策略层，并通过数值结果提供了一个典型的应用案例来验证其有效性和效率。最后，我们讨论了 6G 时代无线网络数字孪生的开放性研究问题。

Nov, 2023

未来 6G 网络是 AI 原生的，并且机器学习模型将广泛应用于优化性能、降低能耗以及应对不断增加的复杂性和多样性。本文描述和回顾了神经架构搜索和迁移学习在网络领域的最新技术，并针对未来网络领域的三个主要需求，即融合 NAS 和 TL、多目标搜索以及表格数据，识别了开放性的研究挑战和发展方向。最后，我们概述和讨论了近期和长期的工作展望。

Jun, 2024

论文探讨利用人工智能为 6G 设计部分新的空中界面，来使得其能够为任意硬件、无线环境和应用程序实现优化的通信方案。

Dec, 2020

本篇文章探讨了基于深度学习的无线通信的两种主流方法：基于深度学习的架构设计和基于深度学习的算法设计。旨在鼓励更多的智能无线通信研究和贡献。

Jul, 2020