112 articles
Cet article propose un cadre d'apprentissage de graphes d'interférence évolutif et évolutif, combinant une stratégie d'évolution et une fonction de hachage profonde, pour optimiser l'attribution des créneaux RTWT dans les réseaux Wi-Fi 7 denses, améliorant ainsi l'efficacité, la fiabilité et la latence tout en réduisant considérablement la complexité computationnelle.
Cet article présente Space-O-RAN, une architecture de contrôle distribuée qui étend les principes de l'Open RAN aux réseaux non terrestres en 6G via des applications légères embarquées et une coordination hiérarchisée, permettant ainsi une gestion autonome et adaptative des constellations satellitaires malgré les contraintes de calcul et de connectivité.
Ce papier présente PIRATE, une méthode passive permettant d'estimer avec une grande précision les latences de réponse des clients, même avec un trafic chiffré et un routage asymétrique, afin d'optimiser l'allocation des ressources et de réduire les latences extrêmes.
Cet article présente un cadre de simulation open source basé sur SeQUeNCe pour les réseaux quantiques hétérogènes, intégrant des modèles fidèles d'atomes d'ytterbium et de qubits supraconducteurs afin d'analyser les compromis taux-fidélité et d'identifier les goulots d'étranglement spécifiques à ces systèmes complexes.
Le papier présente Chimera, un cadre neuro-symbolique qui intègre des primitives d'attention apprises et des contraintes symboliques dans les pipelines des commutateurs programmables pour permettre une analyse de trafic à haut débit, fiable et auditable tout en respectant les strictes contraintes matérielles.
Cette étude longitudinale de 2014 à 2025 révèle que l'infrastructure physique de Bitcoin, bien que vulnérable aux attaques ciblées sur les câbles sous-marins, démontre une grande résilience face aux pannes aléatoires et que l'adoption du réseau TOR renforce cette robustesse en atténuant les dépendances géographiques.
Cet article propose une architecture de référence et un mécanisme de vérification en trois niveaux pour sécuriser les réseaux pair-à-pair d'agents autonomes, permettant ainsi le partage dynamique de capacités et d'actions entre appareils locaux tout en garantissant la fiabilité des workflows collaboratifs.
Cette étude évalue des algorithmes d'apprentissage par renforcement hors ligne dans un environnement de télécommunications stochastique et conclut que l'approche Conservative Q-Learning offre la robustesse la plus fiable pour le contrôle des réseaux, bien que les méthodes basées sur les séquences puissent surpasser les approches traditionnelles lorsque des trajectoires à haut rendement sont disponibles.
Cet article propose une approche d'apprentissage par renforcement contraint (CDRL) pour optimiser la livraison de paquets d'applications sensibles à la latence, garantissant le respect des délais stricts tout en minimisant les coûts d'allocation des ressources dans les réseaux de nouvelle génération.
Cette étude démontre que l'application de l'optimisation bayésienne et des algorithmes génétiques pour ajuster les paramètres orbitaux des satellites permet de maximiser les taux de génération d'intrication dans un réseau quantique global, surpassant ainsi significativement les approches de conception naïves.
Cette étude propose un cadre unifié pour comparer les commutateurs quantiques tout-photons et ceux équipés de mémoires quantiques, en quantifiant leurs compromis taux-fidélité et en identifiant les régimes opérationnels où chaque architecture domine selon les paramètres matériels.
Cet article présente la conception et l'évaluation de Q2NS, un simulateur de réseau quantique modulaire et extensible basé sur ns-3, qui intègre les primitives quantiques et classiques tout en offrant une efficacité computationnelle supérieure aux alternatives existantes.