研究内容

新しい無線ネットワークアーキテクチャの研究

無線資源を最大限に活用し、高い周波数利用効率およびエネルギー効率を達成するためには、将来の通信システムに向けた知的かつ柔軟なネットワークアーキテクチャの開発が不可欠です。本研究は、第6世代（6G）以降の無線ネットワークにおけるフィードバックフリーの伝送メカニズム、AIに基づくチャネル状態情報の予測、ならびにリソース管理の課題に焦点を当て、セルラー無線アクセスネットワーク、宇宙・空・地上統合ネットワーク、車両インターネット（IoV）などを対象とします。

機械学習を利用したネットワークトラフィックの予測と制御

機械学習技術の急速な進展に伴い、データ駆動型アプローチは効率的かつ信頼性の高いネットワーク運用を実現するための重要な基盤となっています。さまざまなネットワーク環境やリソース制約における課題に対処するため、本研究では機械学習を活用したネットワークトラフィック予測により動的なトラフィック需要を推定し、さらにトラフィックエンジニアリングを通じて大規模ネットワークにおけるルーティングの最適化を図ります。ネットワークシステムをより効率的、スケーラブルでかつ頑強な運用を実現する手法を開発することが研究の目的です。

AIによる資源管理とAIのための資源管理

人工知能は次世代無線ネットワークにおける制御と最適化の在り方を根本的に変革しようとしています。本研究は、深層学習および強化学習などの技術を活用した高度な無線リソース管理およびスケジューリングアルゴリズムの開発に焦点を当てます。同時に、計算と通信の統合を目指した空中計算連合学習（OTA-FL）システムにおける通信リソース割当とクライアント選択など、異種かつ分散された学習システムにおける資源管理の課題にも取り組みます。

分散システムにおける自律制御と完全性保証

将来のアプリケーションにおける多様なサービス要求を満たすためには、分散システムの制御において、これまでにない管理の柔軟性とリアルタイム性が要求されます。大規模システムの広域展開に伴う物理的制約や制御の複雑性、シグナリングオーバヘッドといった課題に対処するため、本研究はエッジデバイスの潜在能力を引き出し、その分散知能を活用した自律制御の実現を目指します。同時に、分散型自律システムにおける完全性の維持と公平性の確保にも取り組みます。

通信およびネットワークシステムのための基盤モデル

基盤モデルは、通信およびネットワークシステムにおける知的な設計と運用管理に新たな可能性をもたらします。本研究では、新しい推論メカニズム、知識強化型モデリング、マルチエージェント協調、多様な能力を持つモデルの統合などを含む、大規模モデルに基づく効率的かつ信頼性の高い手法の開発に焦点を当てます。これらの手法を用いることにより、ネットワーク設計および計画の支援、複雑なネットワーク挙動の理解、さらにはネットワークの自己修復および障害からの回復の支援に応用されることを目指します。