AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-26
Q-Learning Berpemandu Keyakinan dengan Referensi Digital Twin untuk Identifikasi Jammer dan Kendali Daya Berkas pada Model mmWave
Judul asli: Digital-Twin-Referenced Belief-Guided Q-Learning for Jammer Identification and Beam-Power Control in a mmWave Model
Identifikasi jammer dan kendali daya berkas secara bersama pada jaringan mmWave 6G adalah masalah yang dibahas di sini. Para penulis menggunakan referensi digital twin berbasis simulasi, yang menjadi pembanding untuk menilai kondisi jaringan sebenarnya, serta metode Q-learning berpemandu keyakinan (BGQL) untuk model jaringan 28-GHz spesifik lokasi. Pada 30 proses Monte Carlo berpasangan, dibandingkan dengan SARSA, Greedy, dan Random, BGQL mencapai skor laju tautan sebesar 437,4–564,2 Mbit/s dan recall lokalisasi 100% untuk satu jammer serta 78–81% untuk dua jammer, meskipun setiap proses memerlukan 80–130 s dibandingkan 5–14 s untuk SARSA. Para penulis menyajikan ini sebagai bukti konsep berbasis simulasi.