本論文は、限られた局所情報を使用しながら、中央集権的な手法と同等のサービス品質(QoS)性能を達成する、完全に分散型の多エージェント強化学習(MARL)フレームワークを提案する。
時間逆転を利用することで、チップ内ワイヤレスネットワークにおける並列通信を実現し、遅延とスループットを改善することができる。
ワイヤレス環境における大規模言語モデルの分散学習を保護するための、ジャミング検知と抑制を組み合わせたフレームワークを提案する。
ワイヤレスMapReduceネットワークにおいて、送信機が完全な channel state information (CSI) を持たない状況下で、受信機の再構成可能アンテナを活用することで、側情報を利用したブラインド干渉整列を実現し、高い周波数効率を達成する。