Resumo Técnico: IA Agêntica para Otimização de Longo Prazo Bilevel de Sistemas de Camada Física Orientados por Políticas

1. Declaração do Problema

As futuras redes sem fio enfrentam uma complexidade crescente devido à conectividade densa, requisitos de serviço diversos e operações definidas por software. Um desafio crítico surge da natureza dinâmica das políticas dos operadores de rede, intenções e Indicadores de Desempenho Chave (KPIs), que podem mudar ao longo do tempo (por exemplo, mudando de maximização de vazão para eficiência energética).

Os frameworks de controle de camada física existentes sofrem de duas limitações principais:

1. Objetivos Fixos: Solvers baseados em modelos clássicos e métodos de Aprendizado por Reforço Profundo (DRL) são tipicamente projetados com funções de utilidade ou recompensa pré-especificadas. Quando as intenções do operador mudam, esses sistemas exigem reconfiguração e retreinamento manuais, tornando-os ineficazes em ambientes não estacionários.
2. Restrições de Tempo Real: Embora os Grandes Modelos de Linguagem (LLMs) e a IA Agêntica mostrem promessa ao interpretar intenções em linguagem natural, a aplicação direta deles para gerar decisões instantâneas de camada física (por exemplo, vetores de beamforming) é inviável devido à estrita latência de tempo real e aos requisitos de viabilidade numérica sob Informação de Estado de Canal (CSI) instantânea.

O artigo aborda a necessidade de um framework que possa adaptar de forma adaptativa as configurações de otimização da camada física em resposta a políticas de operadores em evolução, mantendo a otimalidade e a baixa latência das decisões de camada física instantâneas.

2. Metodologia: Framework Agentic-LTPO

Os autores propõem o Agentic long-term performance optimization (Agentic-LTPO), um framework de otimização bilevel aninhado projetado para desacoplar a adaptação de política de longo prazo da execução de camada física de curto prazo.

A. Estrutura Bilevel Aninhada

O problema é formulado como uma otimização de duas escalas temporais:

• Nível Superior (Escala de Tempo Lenta): Opera sobre grandes intervalos de tempo ($N$ intervalos, cada um contendo $T_s$ slots). Um sistema de IA Agêntica interpreta as políticas dos operadores (linguagem natural), resume o comportamento da rede e recupera experiências históricas para gerar um vetor de configuração estruturado $c^{(n)}$. Este vetor define as restrições e alvos para o nível inferior (por exemplo, níveis de QoS robustos alvo $\Gamma^{(n)}_k$ e fatores de exposição de orçamento de potência por AP $\phi^{(n)}_\ell$).
• Nível Inferior (Escala de Tempo Rápida): Opera por slot ($t \in \mathcal{T}$). Dada a configuração $c^{(n)}$ do nível superior, um solver rápido computa decisões de beamforming instantâneas para minimizar a potência de transmissão sujeita a restrições de QoS robustas e limites de potência por AP, utilizando CSI imperfeito.

B. Arquitetura Multi-Agente de Nível Superior

Para traduzir entradas heterogêneas (políticas de linguagem natural, resumos de ambiente, dados históricos) em configurações viáveis, o nível superior emprega um sistema multi-agente coordenado com quatro papéis distintos:

1. Intérprete de Política ($A_{int}$): Converte políticas de operadores em linguagem natural em um contexto JSON estruturado e legível por máquina. Utiliza um módulo de Geração Aumentada por Recuperação (RAG) para recuperar evidências de políticas históricas relevantes, garantindo consistência e resolvendo ambiguidades.
2. Observador de Rede ($A_{obs}$): Analisa o desempenho do intervalo anterior (estatísticas operacionais e diagnóstico semântico) para resumir o estado atual da rede e identificar gargalos.
3. Planejador de Configuração ($A_{plan}$): Propõe ajustes de configuração candidatos com base no contexto da política atual e no estado da rede.
4. Crítico de Desempenho ($A_{crit}$): Avalia as configurações candidatas do planejador contra evidências de casos históricos recuperados (regimes operacionais passados semelhantes). Atua como um loop de verificação, aceitando a configuração se ela estiver alinhada com evidências empíricas ou solicitando correções ao planejador.

Este loop de refinamento Planejador-Crítico garante que as configurações não sejam geradas isoladamente, mas sim fundamentadas em evidência operacional acumulada.

C. Otimização de Nível Inferior

Para o caso de uso específico de beamforming de downlink de MIMO Sem Fio (Cell-Free - CF) MIMO, o nível inferior resolve um problema de minimização de energia.

• Robustez: O sistema considera a incerteza do CSI usando um modelo de erro limitado por norma.
• Eficiência: Ao adotar uma estrutura de beamforming de Zero-Forcing (ZF), os autores derivam um limite de Relação Sinal-Interferência-mais-Ruído (SINR) de pior caso em forma fechada. Isso transforma o problema de beamforming robusto em um problema de programação linear, solucionável com otimalidade global e complexidade linear, atendendo aos rigorosos requisitos de latência por slot.

3. Principais Contribuições

O artigo delineia as seguintes contribuições específicas:

• Formulação: Formula o controle de camada física adaptativo sob políticas mutáveis como um problema bilevel aninhado, desacoplando a interpretação de política (escala de tempo grande) da otimização instantânea (escala de tempo pequena).
• Design Multi-Agente: Projeta uma arquitetura de colaboração multi-agente (Intérprete, Observador, Planejador, Crítico) com um módulo RAG para converter entradas de política e experiência histórica em parâmetros de configuração fisicamente viáveis.
• Mecanismo de Verificação: Introduz um loop de refinamento planejador-crítico onde o agente Crítico utiliza evidências de casos recuperados para validar e refinar configurações candidatas antes da implantação, reduzindo erros de decisão.
• Solver Eficiente: Revela que o problema de minimização de energia robusta para CF-MIMO admite um limite de SINR de pior caso em forma fechada sob um critério ZF, permitindo um solver por slot eficiente com otimalidade global.

4. Resultados Experimentais

O framework foi avaliado em um sistema CF-MIMO com 16 APs distribuídos servindo 8 usuários sob configurações de política de operador aleatórias e de estacionariedade segmentada.

• Ganho de Desempenho: O Agentic-LTPO melhorou a utilidade de comunicação cumulativa em 57,2% em comparação com uma estratégia de linha de base estática.
• Adaptabilidade de Política: Diferente de estratégias estáticas ou controladores de agente único, o Agentic-LTPO conseguiu rastrear regimes de política variáveis (por exemplo, alternando entre modos orientados para vazão e de economia de energia), ajustando os parâmetros de configuração (alvos de QoS e orçamentos de potência) adequadamente.
• Análise de Componentes: Estudos de ablação demonstraram que remover o módulo RAG ou o agente Crítico degradava o desempenho, confirmando que tanto a recuperação de evidência histórica quanto o loop de refinamento são essenciais para uma adaptação sustentada.
• Robustez: O framework manteve alto desempenho e baixas taxas de violação de QoS mesmo sob estresse de carga de serviço (densidades de AP variáveis), superando abordagens de agente único e estáticas.
• Fundamentação de Linguagem: Ao comparar entradas de linguagem natural bruta com entradas de política estruturada "oracle", o Agentic-LTPO mostrou uma lacuna de desempenho de apenas 1,9%, enquanto um controlador de agente único mostrou uma lacuna de 6,8%. Isso sugere que a estrutura multi-agente mitiga efetivamente a ambiguidade da linguagem natural.
• Compromisso (Trade-off): O framework incorre em um maior overhead de raciocínio (uso de tokens) do que métodos estáticos ou de agente único, mas este custo gera uma utilidade de comunicação de longo prazo significativamente maior.

5. Significância e Alegações

O artigo afirma que o Agentic-LTPO fornece uma interface confiável entre intenções de política de alto nível heterogêneas e configurações de camada física executáveis de baixo nível. Sua significância reside em:

• Adaptabilidade: Permite que controladores de camada física se adaptem a políticas de operadores variáveis no tempo sem exigir retreinamento ou reconfiguração manual de funções de recompensa.
• Confiabilidade: Ao fundamentar decisões em evidências históricas (via RAG) e verificar através de um mecanismo de crítico, o framework produz configurações estruturadas e viáveis que são robustas à ambiguidade da linguagem e erros de decisão.
• Escalabilidade: A separação de preocupações permite o uso de IA Agêntica poderosa de escala de tempo mais lenta para raciocínio, preservando a velocidade e a otimalidade de solvers matemáticos especializados para execução em tempo real.

Os autores concluem que esta abordagem efetivamente faz a ponte entre a intenção de rede de alto nível e a execução de camada física de baixo nível, oferecendo um caminho viável para a otimização orientada por política em futuras redes sem fio 6G.