Los puntos clave no están disponibles para este artículo en este momento.
La comunicación semántica (SC) con inteligencia artificial (AI) nativa es un marco centrado en el contexto que extrae de manera inteligente semánticas específicas de tareas a partir de datos fuente y regenera de manera eficiente el significado deseado en el destino. Por lo tanto, esta metodología intensiva en computación permite una comunicación orientada a objetivos al mantener una alta calidad semántica del servicio con un bajo requerimiento de transferencia de datos. Recientemente, la aparición de modelos fundamentales de big-AI, como el transformador generativo preentrenado y modelos de difusión con generalización de tareas de cero disparos y capacidades nativas de aprendizaje cruce-modal, ha traído un cambio de paradigma en el diseño de marcos nativos de AI para redes inalámbricas. Sin embargo, implementar big AI en redes inalámbricas implica desafíos inherentes, como grandes parámetros de entrenamiento y requisitos de computación. Para abordar estos desafíos, utilizamos técnicas de sostenibilidad, como la poda y el ajuste fino, para crear modelos sostenibles (ligeros) a partir de big AI, lo que puede reducir el consumo de recursos y el impacto ambiental en sistemas SC intensivos en computación, mientras se preserva o mejora el rendimiento de la tarea. Además, las redes de comunicación clásicas carecen de seguridad de comunicación cuántica segura y privacidad de datos. En este artículo, prototipamos un sistema SC cuántico anónimo nativo de big AI sostenible. En este marco, aprovechamos modelos de big-AI para el procesamiento de recuperación semántica, es decir, extracción y recuperación semántica, y empleamos protocolos de comunicación cuántica anónima para transmitir semánticas. Detallamos las funcionalidades subyacentes, prácticas sostenibles y desafíos potenciales de integrar big AI en un sistema de difusión semántica anónima cuántica. También formulamos estudios de caso que demuestran la sostenibilidad y fiabilidad del marco previsto. Este trabajo proporciona un marco de comunicación semántica sostenible y seguro cuánticamente al integrar big AI y comunicación cuántica anónima.
Tariq et al. (Sat,) estudiaron esta cuestión.