研究者らは、バックホール遅延によって引き起こされる分散型5Gネットワークにおけるパフォーマンスの劣化に対処するため、将来のユーザー機器のスケジューリング状態を予測するためにスペクトル時間グラフニューラルネットワーク（StemGNN）を使用することを提案している。この予測により古いセル間情報を置き換えることで、協調ビームフォーミングにおける遅延された調整の悪影響を軽減する。

  • StemGNNは87.57%の平均スケジューリング予測精度を達成し、評価されたすべての時間枠においてLSTM、GRU、Simple RNN、マルコフ連鎖のベースラインを上回る。
  • ユーザー間構造依存性が支配的なより長い時間枠では、LSTMに対して最大7.71%の改善を示す。
  • 協調ビームフォーミングに統合されると、予測は1つの送信時間間隔分のバックホール遅延によって引き起こされる合計レート損失の57〜73%を回復する。
  • このアプローチは、予測なしのベースラインと比較して合計レートを9.58〜14.35%改善し、セルエッジユーザーのLag-1公平性損失の最大83%を回復する。

バックホール遅延を時空間予測問題として扱うことは、遅延制約のあるネットワークで堅牢なセル間協調を維持するための効果的な方法を提供する。