物理层通信的生成人工智能:一项调查
下一代无线网络中,生成式人工智能(Generative AI,GAI)模型的应用可以提升资源分配和网络性能优化,解决传统优化技术面临的挑战。
May, 2024
人工智能在移动网络和物联网领域的成功促进了移动网络和未来互联网向整合人工智能的物联网时代迈进。本文详细介绍了生成式人工智能在移动和无线网络中的作用,包括基础知识、模型、应用、网络管理、无线安全、语义通信,并总结了当前移动和无线网络中生成式人工智能的研究现状和面临的挑战。
May, 2024
传统的网络层的作用是通过中间网络节点从源到目的地传输数据包副本。我们提出了一个使用中间或边缘网络节点的生成式网络层,并分析了它对网络中所需数据速率的影响。我们进行了一个案例研究,其中生成式网络层通过生成式 AI 生成由大幅压缩的潜在表示组成的提示的图像。在图像质量约束下的网络流分析结果显示,生成式网络层可以在所需数据速率方面实现超过 100% 的改进。
Dec, 2023
使用生成式人工智能 (generative AI)、扩散模型 (diffusion models) 和去噪扩散概率模型 (DDPM) 研究了其在无线通信系统中的应用,并提出了具有鲁棒性的 AI 原生通信系统的发展方向与开放问题。
Oct, 2023
通过生成人工智能在地球科学领域的潜在应用,我们探讨了机器学习和深度学习的最新发展,以及它们在解决与地球科学和地球系统动力学相关的预测问题、模拟和多准则决策挑战方面所发挥的作用。并且介绍了在地球科学中使用的几种生成对抗网络(GANs)、物理信息神经网络(PINNs)和基于生成预训练转换器(GPT)的结构。这些工具在数据生成 / 增强、超分辨率、全色锐化、去雾、恢复和地表变化等多个应用中帮助地球科学界取得了进展。但还存在一些挑战,如确保物理解释性、恶意用途案例和可信度。总的来说,GAI 模型对地球科学界有着巨大潜力,特别是在支持气候变化、城市科学、大气科学、海洋科学和行星科学方面,通过其对数据驱动建模和不确定性量化的非凡能力。
Jan, 2024
生成人工智能已经成为解决区块链技术关键挑战的有希望的解决方案。本论文介绍了生成人工智能技术,概述了它们的应用,并讨论了将生成人工智能纳入区块链的现有解决方案。此外,案例研究表明生成扩散模型可以优化区块链网络性能指标。实验结果清楚地显示,与传统人工智能方法相比,所提出的生成扩散模型方法可以更快地收敛、获得更高的奖励,并显著提高区块链网络的吞吐量和延迟。最后,本文提出了生成人工智能在区块链应用中的未来研究方向。
Jan, 2024
通过对 6G 网络研究中的数据驱动的无线研究、生成式人工智能、生成模型、GMs 和 6G 网络研究等关键词进行分析,本文介绍了生成模型的教程和调查,并对无线研究领域的核心问题进行了回顾和分析,提出了 GMs 在 6G 网络研究的重要作用,并针对未来可能面临的挑战提供了潜在的策略和有希望的解决办法。
Feb, 2024
ChatGPT 是生成人工智能领域的重要里程碑,引发了新一轮关于先进模型与任务的研究及创新,并带来了无数创新性工具和挑战。
Nov, 2023
通过将生成式人工智能(GAI)与现代物联网(IoT)相结合,我们提出了生成式物联网(GIoT)的概念,并研究了其潜在前景。我们介绍了四种 GAI 技术,讨论了 GIoT 的应用,并提出了一个基于 GAI 的安全激励机制框架,使用生成扩散模型(GDMs)进行机制设计,并应用区块链技术进行安全的 GIoT 管理。最后,我们通过现代车辆的交通监测案例研究,展示了利用 GDMs 生成有效合同来激励用户提供高质量感知数据。未来还有一些值得研究的开放方向,以促进 GIoT 的普及。
Oct, 2023