.png){kind=icon}
返回
Quantum Machine Learning-Based 6G Network: Enabling Adaptive Communication and Model Aggregation
.png){kind=icon}
PRE
AI
DOI：10.1109/mvt.2026.3680174.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着第六代（6G）移动通信技术的到来，车与万物互联（V2X）通信在通信效率、系统泛化能力和模型协作方面面临前所未有的挑战。传统机器学习在处理高维状态空间、收敛缓慢以及异构V2X节点、快速变化的信道和V2X系统中的多模态感知数据时泛化能力较差。为解决这些问题，我们提出了一种面向6G高效、鲁棒、智能交通的量子增强V2X通信与模型聚合框架，该框架包括四个模块：信道自适应语义通信模块、多模态融合模块、模型迁移模块和联邦聚合模块。具体而言，信道自适应语义通信模块利用量子卷积神经网络（CNNs）和量子失真度量实现跨多样化条件的高效传输和强泛化能力。多模态融合模块利用量子注意力和纠缠压缩特征并关联异构数据间的语义。模型迁移模块采用量子强化学习建模决策过程并提升动态环境中的适应性。联邦聚合模块结合量子张量分解与基于反向传播的校正，在低开销下实现隐私保护并增强全局模型鲁棒性。本研究为未来6G智能交通中的通信与模型协作提供了新的范式。
Keyword:
6G mobile communication
Vehicle-to-everything
Quantum computing
Machine learning
Intelligent transportation systems
Machine learning
Convolutional neural networks
Deep learning
Multimodal sensors
期刊
IF:
7.2
论文数:
1.1K
被引数:
3.5K
机构
引用论文
Embodied Artificial Intelligence-Enabled Internet of Vehicles: Challenges and Solutions具身人工智能赋能的车联网：挑战与解决方案
PREAI
分享收藏Generative Artificial intelligence-Enhanced MultiModal Semantic Communication in Internet of Vehicles: System Design and Methodologies生成式人工智能增强的多模态语义通信系统设计与方法学
PREAI
分享收藏
WITT: A Wireless Image Transmission Transformer for Semantic Communications.png)
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
OAAI
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏
查看更多内容