Work in Progress: Congestion Control in mmWave Fluctuating Scenarios in 5G-A/6G
Notice bibliographique
Résumé
The development of the next generation of cellular networks, 5G-Advanced and 6G (5G-A/6G), offers higher speeds, sub-millisecond latency, and providing wider coverage, which are key to meeting the requirements of new and demanding applications. As such, there are several challenges in managing and leveraging this opportunity to ensure that channel conditions do not impact the application due to mobility and obstructions. 5G introduces the use of millimeter wave (mmWave), and the commercial deployment of this technology brings to light the issues related to propagation and mobility in high-frequency bands, and their impact on applications has begun to be studied by exploring the response of the congestion control algorithms (CCAs) in representative scenarios. However, the highly variable channel conditions in mmWave require that they be defined as fluctuating bandwidth scenarios. It is necessary to determine how the transport layer can take advantage of the maximum available capacity and not affect the applications, and whether the network promises are fulfilled. This work aims to design and evaluate a CCA capable of efficiently adapting to the fluctuating bandwidth of extreme condition scenarios of 5G-A/6G mobile networks and to compare it with the state-of-the-art algorithms. As a first result, a set of simulation-based evaluation using 5GLENA was discussed. A combination of CCAs and different radio link control (RLC) buffer sizes allows us to highlight the importance of defining appropriate metrics and including convergence times as part of the evaluation performance of the algorithms. Algorithms such as HighSpeed and New Reno are among the slowest to converge, while BBR is the fastest. The analysis and characterization of the algorithms will allow us to define the requirements for designing an Machine Learning (ML) based algorithm with optimal performance and better convergence times.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».