6G 무선 네트를 위한 확장 가능한 추출 기반 의미 통신

통신 효율성과 지능형 연결성 요구를 충족하는 데 따른 도전 과제로 인해, 6세대(6G) 무선 네트워크는 효과적인 정보 교환과 통합된 인공지능(AI) 및 통신을 가능하게 하는 새로운 통신 프레임워크가 필요합니다. 응용 요구와 데이터 의미를 데이터 처리 및 전송에 통합할 수 있는 딥 러닝(DL) 기반의 의미 통신은 6G 무선 네트워크에서 새로운 패러다임이 될 것으로 기대됩니다. 그러나 기존의 의미 통신 프레임워크는 전체 의미 특징을 전송하는 것에 의존하여 의미 충실도를 극대화할 수 있지만 효율적인 의미 통신을 달성하지 못합니다. 이 기사에서는 6G 무선 네트워크에서 잠재적인 응용을 지원하기 위해 새로운 확장 가능한 추출 기반 의미 통신(SE-SC) 모델을 소개하고 그 실행 가능성을 분석합니다. 그리고 SE-SC 모델이 6G 무선 네트워크에서 갖는 잠재력을 강조하기 위해 유망한 SE-SC 프레임워크를 제안합니다. 수치 결과는 우리가 제안한 SE-SC 계획이 전체 의미 특징 전송 및 전통적 코덱 계획보다 훨씬 적은 전송 기호로 다운스트림 작업에 대한 동일한 품질(QoS)을 제공할 수 있음을 보여줍니다. 마지막으로, 확장 가능한 추출 기반 의미 통신을 추가로 연구하는 데 있어 몇 가지 도전 과제에 대해 논의합니다.