来源：期刊VIP网 时间：
作者：杨鲲;向路平;罗程;
单位：南京大学智慧网络与通信研究院;南京大学软件新技术国家重点实验室;
摘要：面向第六代移动通信(Sixth-Generation Mobile Communication, 6G)复杂非线性通信场景，传统物理层面临模型失配瓶颈，而纯数据驱动人工智能(Artificial Intelligence, AI)模型则存在泛化能力脆弱与可解释性缺失等落地痛点。针对上述问题，提出一种基于机理与数据双重驱动的智能物理层框架。该框架将经典通信数学算子，如星座映射与离散傅里叶变换(Discrete Fourier Transform, DFT),重构为算子级神经网络，实现了物理拓扑先验与深度学习(Deep Learning, DL)的有机融合。此外，设计了自适应回滚(rollback)机制以保障极端工况下的鲁棒性，并深入探讨了模块化迁移部署与全链路可微等关键使能技术。论证了该架构在保留系统可解释性的同时，能实现性能的跨越式提升，为未来6G“物理层智能”(AI-native PHY)的工程落地提供了可行范式。
关键词：6G移动通信;;深度学习;;智能物理层;;结构化学习
基金资助：国家自然科学基金(62301122);; 江苏省基础研究重大项目(BK20243059);; 姑苏创新项目(ZXL2024360);; 苏州市高新区项目(RC2025001)~~
