오프라인 및 분포 강화 학습 기법을 이용하여 무선 자원 관리 문제를 해결하고, 기존 방식들과 비교하여 성능 향상을 달성한다.
무선 통신 시스템에서 대규모 언어 모델(LLM)을 효율적으로 배포하고 활용하기 위해 전문가 혼합(MoE) 기반의 무선 분산 LLM 프레임워크(WDMoE)를 제안한다. WDMoE는 기지국의 엣지 서버와 모바일 기기에 LLM을 분산 배치하여 성능과 지연 시간을 동시에 최적화한다.
이중 자기 지속 가능 재구성 가능 지능형 표면을 이용하여 기지국의 전송 전력을 최소화하는 방법을 제안한다.
Spider RIS 기술은 움직이는 안테나와 무인 항공기 통신 시스템의 장점을 결합하여 무선 네트워크의 통신 효율과 신뢰성을 향상시킬 수 있는 혁신적인 솔루션을 제공한다.
무선 통신 환경에서 연합 학습의 성능을 저하시키는 요인을 해결하기 위해 SER 기반 디바이스 선택 메커니즘을 제안하였다.
비협조적이고 에너지 제한적인 사용자 장비를 협력 릴레이로 유도하여 에너지 효율적인 연결성을 달성하는 프로토콜을 제안한다.
무선 네트워크에서 다중 안테나 액세스 포인트(AP)가 다수의 무선 디바이스로부터 센서 데이터의 산술 평균을 복구하는 공중 계산 시나리오에서, 전송 스칼라, 노이즈 제거 계수 및 수신 빔포밍 벡터의 최적 설계를 통해 추정 왜곡을 최소화한다.
무선 통신 시스템의 실시간 요구사항을 충족하기 위해 경량화되고 자원 효율적인 AI 모델을 배포하는 것이 필요하다. 이를 위해 무선 데이터 지식 그래프를 활용하여 AI 모델 성능에 큰 영향을 미치는 핵심 데이터 집합을 추출하는 방법을 제안한다.
이동식 안테나를 활용하여 다중 사용자 MIMO 시스템의 가중 합 전송률을 최대화하는 문제를 다룬다. 이를 위해 가중 최소 평균 제곱 오차 최소화 문제로 변환하고, 블록 좌표 하강법과 평면 이동 모드를 활용하여 효율적으로 해결한다.
제한된 프론트홀 용량과 파일럿 간섭이 있는 셀 프리 MIMO 시스템에서 문맥 학습 기반 등화기가 선형 최소 평균 제곱 오차 등화기보다 우수한 성능을 제공한다.