基于混合GNN的AI原生6G无线网络架构:全面综述
《IEEE Communications Surveys & Tutorials》:Hybrid GNN-Centric Architectures for AI-Native 6G Wireless Networks: A Comprehensive Survey
【字体:
大
中
小
】
时间:2026年04月08日
来源:IEEE Communications Surveys & Tutorials 46.7
编辑推荐:
摘要:
6G无线系统日益增长的复杂性、规模和异构性要求转向基于人工智能(AI)的架构,这些架构不仅需要数据驱动,还需要具备拓扑感知能力、自适应性和分布式特性。图神经网络(GNN)由于其对图结构数据的原生支持,非常适合用于
摘要:
6G无线系统日益增长的复杂性、规模和异构性要求转向基于人工智能(AI)的架构,这些架构不仅需要数据驱动,还需要具备拓扑感知能力、自适应性和分布式特性。图神经网络(GNN)由于其对图结构数据的原生支持,非常适合用于建模无线通信系统中固有的不规则和动态关系。然而,单独的GNN可能不足以应对6G面临的关键挑战,如持续学习、数据稀缺和动态适应。因此,本调查探讨了GNN与多种互补AI范式(包括深度强化学习(DRL)、联邦学习(FL)、元学习、生成模型、专家混合(MoE)和世界模型)之间的协同作用,从而实现了混合AI-GNN架构,用于实现智能控制、预测性适应和整个无线栈的可扩展优化。我们系统地回顾了这些以GNN为中心的AI模型如何支持下一代网络架构(如O-RAN)以及6G核心领域的智能功能,包括无线系统的边缘计算、高级MIMO、流量预测和数字孪生。该调查还强调了混合AI-GNN应用中的关键挑战,特别是可扩展性、在动态拓扑下的泛化能力、可解释性和符号推理,并讨论了应对这些挑战的新兴策略,如图因果学习、动态GNN和神经符号集成。通过整合最新进展并概述开放的研究方向,本研究将混合AI-GNN架构定位为一种有前景的方法,有助于实现6G及未来版本的智能、节能和上下文感知的无线系统。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号