INGR Roadmap Satellite Chapter
Notice bibliographique
Résumé
The fifth generation (5G) wireless communication systems development has brought about a paradigm shift using advanced technologies; including softwarization, virtualization, massive MIMO, and ultradensification, in addition to introducing new frequency bands. However, as societal needs for any form of information grow, it is necessary to satisfy the UN's Sustainable Development Goals (SDGs). Migrations to 6G and beyond systems are envisioned to provide augmented capacity, so massive IoT, with better performance relying on optimization made possible by artificial intelligence, it is absolutely necessary. Non-Terrestrial Networks (NTNs), including satellite systems, High-Altitude Platforms (HAPs), and Unmanned Aerial Vehicles (UAVs), provide the best solutions to connect the unconnected, unserved, and underserved in remote and rural areas. Over the past few decades, Geo Synchronous Orbits (GSO) satellite systems have been deployed to support broadband services, backhauling, Disaster Recovery and Continuity of Operations (DR-COOP), and emergency services. Recently, novel non-GSO satellite systems are attracting significant interest. Within the next few years, several thousands of Low Earth Orbit (LEO) satellites and mega-LEO constellations will provide global internet services, offering user throughput comparable to terrestrial mobile or fixed access networks. This report represents the 2023 Edition of the INGR Satellite Working Group Report, following the previous three editions [1]–[3]. This edition of the INGR Satellite Working Group Report addresses NTN and 6G more in detail, adding further contributions on optical wireless communications, artificial intelligence techniques, seamless handover, security, and recent standardization efforts given the prospected unification of terrestrial and NTN components of 6G.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,009 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».