在生成类人工智能时代的黎明：关于 6G 无线智能的新前沿的教程与综述
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
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
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
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
在本文中，我们提出了 GenAINet 框架，其中分布式的 GenAI 代理通过无线网络进行知识传播，以完成任意任务。我们构建了一个整合了 GenAI 能力的网络架构，研究了通过语义本地化的 GenAINet 的有效通信和推理问题。在这种范式下，代理可以通过有效的通信从其他代理的经验中快速学习，以做出更好的决策。最后，我们指出，开发一个分层语义级别的电信世界模型是达到集体智能网络的关键路径。
Feb, 2024
本文讨论深度生成模型在无线网络管理中的应用，探讨了传统网络管理方法的问题，提出了一种 DGM 增强的框架，并对网络经济进行了案例研究。
Mar, 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
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
本文介绍了一种基于生成式对抗学习的信任管理方法，以保证 6G 无线网络的安全与服务质量。通过整合人工智能和信任管理，实现智能优化和安全性。最后，应用该方法来保证网络安全和服务质量，取得了出色的表现。
Aug, 2022