基于生成模型的下一代无线网络优化：基础、现状与关键挑战
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
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
将生成式人工智能（GAI）与边缘计算网络结合，提出了生成式移动边缘网络的概念，并概述了广泛采用的 GAI 技术及其在移动边缘网络中的应用。在资源受限场景下，通过设计资源高效的方法、制定适当的激励机制以及利用生成扩散模型（GDMs）找到最优的激励机制解决方案，解决了生成式移动边缘网络面临的挑战。通过案例研究提出了一种模型分区的方法以实现智能任务卸载，并提出了基于 GDM 的 Stackelberg 模型来激励边缘设备为移动边缘智能提供计算资源。最后，提出了几个能够促进生成式移动边缘网络未来发展的方向。
Dec, 2023
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
高性能生成人工智能与边缘智能之间的相互作用提供了新的机会，而基于大量计算资源和大规模未标记语料的 GAI 预训练为 EI 提供了强大的基础知识，而 EI 可以利用碎片化计算资源为 GAI 聚合个性化知识。本文提出了一种面向 GAI 的综合网络（GaisNet），它利用无数据的知识传递来缓解矛盾，并通过双向的知识流实现 GAI 的循环模型微调和任务推断，实现了 GAI 和 EI 之间无缝融合和协同进化。实验结果验证了所提机制的有效性。最后，我们讨论了 GAI 和 EI 之间相互作用的未来挑战和方向。
Jan, 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
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
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