AI और दुनिया की कठिन समस्याएँ · सैद्धांतिक कंप्यूटर विज्ञान · arXiv · 2026-10-26

mmWave मॉडल में जैमर की पहचान और बीम-पावर नियंत्रण के लिए डिजिटल-ट्विन-संदर्भित, बिलीफ़-निर्देशित Q-लर्निंग

मूल शीर्षक: Digital-Twin-Referenced Belief-Guided Q-Learning for Jammer Identification and Beam-Power Control in a mmWave Model

यहाँ 6G mmWave नेटवर्क में जैमर की संयुक्त पहचान और बीम-पावर नियंत्रण की समस्या को संबोधित किया गया है। लेखक एक सिमुलेशन-आधारित डिजिटल-ट्विन संदर्भ का उपयोग करते हैं, जिसके विरुद्ध वास्तविक नेटवर्क स्थिति का आकलन किया जाता है, और एक स्थल-विशिष्ट 28-GHz नेटवर्क मॉडल के लिए बिलीफ़-निर्देशित Q-लर्निंग (BGQL) विधि का उपयोग करते हैं। 30 युग्मित मोंटे कार्लो रन में, SARSA, Greedy और Random की तुलना में, BGQL ने 437.4–564.2 Mbit/s के लिंक-रेट स्कोर और एक जैमर के लिए 100% तथा दो जैमर के लिए 78–81% स्थानीयकरण रिकॉल प्राप्त किया, हालाँकि SARSA के 5–14 s की तुलना में प्रत्येक रन में 80–130 s लगे। लेखक इसे सिमुलेशन आधारित प्रूफ़ ऑफ़ कॉन्सेप्ट के रूप में प्रस्तुत करते हैं।

मूल लेख पढ़ें ↗

सभी आइटम →