Генеративные агенты искусственного интеллекта с большими языковыми моделями для спутниковых сетей посредством передачи на основе смеси экспертов

В ответ на потребности глобальных коммуникаций 6G спутниковые сети связи стали одним из ключевых решений. Однако широкомасштабное развитие спутниковых сетей связи ограничивается сложными системными моделями, формулирование которых представляет трудность при обслуживании огромного числа пользователей. Кроме того, помехи при передаче между спутниками и пользователями серьезно ухудшают характеристики связи. Для решения этих проблем в данной статье разрабатываются агенты генеративного искусственного интеллекта (ИИ) для формулирования моделей, после чего для разработки стратегий передачи применяется подход на основе смеси экспертов (mixture of experts, MoE). В частности, большие языковые модели (LLM) используются для построения интерактивной парадигмы моделирования, а генерация с дополнением поиска (retrieval-augmented generation, RAG) — для извлечения специализированных знаний о спутниковых системах, поддерживающих математическое моделирование. Далее, объединяя экспертные знания множества специализированных компонентов, мы предлагаем подход проксимальной оптимизации политики на основе смеси экспертов (MoE-PPO) для решения сформулированной задачи. Каждый эксперт посредством специализированного обучения в собственной сети оптимизирует переменные, для которых он наиболее подходит, после чего результаты агрегируются с помощью гейтирующей сети для выполнения совместной оптимизации. Результаты моделирования подтверждают точность и эффективность использования генеративного агента для формулирования задачи. Кроме того, подтверждено превосходство предложенного подхода MoE-PPO над другими базовыми методами при решении сформулированной задачи. Также продемонстрирована адаптируемость MoE-PPO к различным задачам пользовательского моделирования.