Control conjunto de admisión y potencia para conexiones masivas a través de redes neuronales gráficas

El sistema de comunicación móvil de sexta generación (6G) plantea una mayor exigencia en cuanto a la densidad de conexiones, lo cual es difícil de cumplir con los esquemas de gestión de recursos existentes en tiempo real. En este documento, investigamos los algoritmos basados en redes neuronales gráficas (GNN) para apoyar la conectividad masiva en 6G. Utilizando la intensidad de potencia de la señal recibida o la relación señal-ruido más interferencia (SINR) como medida de la calidad de comunicación, nuestro objetivo es maximizar el número de enlaces que cumplen con los requisitos de calidad de servicio (QoS) en un área determinada a través de un control conjunto de admisión y potencia. Específicamente, consideramos dos modelos. Entre ellos, el modelo de interferencia de bloqueo preconfigura la potencia de transmisión del enlace de antemano y solo necesita control de admisión. Después de que el problema original se convierte en el problema del conjunto independiente máximo (MIS), diseñamos una solución basada en la red de convolución gráfica (GCN) y Q-learning. El modelo de interferencia acumulativa considera toda la interferencia en la escena y controla conjuntamente la potencia y el acceso. Para este modelo, proponemos un algoritmo basado en la red de atención gráfica (GAT). Las simulaciones demuestran que los algoritmos basados en GNN propuestos preservan un tiempo de computación reducido y logran una ganancia de rendimiento significativa incluso con un gran tamaño de red. Por lo tanto, son muy adecuados para el escenario 6G con conexiones masivas.