כתבה
arXiv cs.AI ·
שיפור בבחירת MCS ב-5G AI-RAN: חיזוי תקלות
Improving 5G AI-RAN MCS Selection by Predicting Retransmissions
במאמר זה, נראה כיצד ניתן לשפר את בחירת MCS ב-5G AI-RAN על ידי חיזוי תקלות. המאמר מציג את NOSTRAdAMUS, פרקטיקה חדשה להתאמה לקשר שמוסיפה ראיית עתיד לאלגוריתמים קיימים. המאמר מדגים את NOSTRAdAMUS על ידי ניסויים על תשתית X5G, ומציג תוצאות טובות של גידול בתפוקה וירידה בתקלות.
תקציר מקורי באנגליתarXiv:2609.09324v1 Announce Type: cross Abstract: Link Adaptation (LA) in 5G NR is inherently reactive, relying on channel measurements and HARQ feedback that may become quickly obsolete when the channel changes quickly. This data is also noisy, making it hard to track accurately, and has to be fed to real-time controllers with feedback-loop effects which are hard to troubleshoot. This explains why most practical deployments select simple but robust algorithms, which accept that the lag can leave the scheduler operating at overly aggressive or unnecessarily conservative rates, trading spectrum efficiency for predictable performance. In this paper, we improve on this status-quo with NOSTRAdAMUS, a predictive LA framework which adds foresight to existing algorithms without replacing or redes
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית