NeuraLunaDTNet: Feedforward Neural Network-Based Routing Protocol for Delay-Tolerant Lunar Communication Networks

要約

宇宙通信には、重大な遅延、予測困難なルート、通信の中断などの課題があります。
遅延耐性ネットワーク アーキテクチャは、そのようなシナリオを念頭に置いて特別に設計されており、いくつかの課題に対処するのに適しています。
従来の DTN ルーティング プロトコルは、宇宙通信特有の複雑さのため、最適なパフォーマンスを提供するには至っていません。
研究者らは、AI の最近の進歩を利用して、ルーティングの課題の一部を軽減することを目指してきました [9]。
我々は、フィードフォワード ニューラル ネットワークを利用して、動的に変化する時空間グラフで連絡計画を学習することにより、月通信用の PRoPHET ルーティング プロトコルの効率を向上させる新しいプロトコル NeuraLunaDTNet を開発することを提案します。

要約(オリジナル)

Space Communication poses challenges such as severe delays, hard-to-predict routes and communication disruptions. The Delay Tolerant Network architecture, having been specifically designed keeping such scenarios in mind, is suitable to address some challenges. The traditional DTN routing protocols fall short of delivering optimal performance, due to the inherent complexities of space communication. Researchers have aimed at using recent advancements in AI to mitigate some routing challenges [9]. We propose utilising a feedforward neural network to develop a novel protocol NeuraLunaDTNet, which enhances the efficiency of the PRoPHET routing protocol for lunar communication, by learning contact plans in dynamically changing spatio-temporal graph.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google