Orkestrasi Radio Sadar Misi Berbasis AI Generatif untuk Sistem ISAC Satelit LEO Berbantuan RIS

Jaringan satelit orbit rendah Bumi (LEO) yang adaptif terhadap misi dengan penginderaan dan komunikasi terintegrasi (ISAC) harus mengarahkan ulang sumber daya radio saat tujuan operator berubah. Manajemen sumber daya radio tradisional mengasumsikan tujuan yang tetap atau berubah secara lambat, tetapi misi ISAC LEO yang muncul memerlukan rekonfigurasi cepat di seluruh prioritas komunikasi, penginderaan, dan keadilan. Tantangan utamanya adalah menjembatani niat operator yang fleksibel dan dapat dibaca manusia dengan kendala kelayakan yang kaku pada lapisan fisik.

Untuk memungkinkan adaptasi dari bahasa operator yang fleksibel, penulis mengembangkan kerangka kerja orkestrasi radio berbasis AI generatif. Model bahasa besar (LLM) memetakan setiap misi menjadi kebijakan terstruktur yang terdiri dari bobot komunikasi, penginderaan, dan keadilan, ambang batas quality-of-service (QoS) wajib, panduan alokasi daya, dan inisialisasi solver. Validasi deterministik dan optimasi lapisan fisik kemudian menegakkan kelayakan dan mewujudkan kebijakan tersebut melalui konfigurasi beam, daya, dan reconfigurable intelligent surface (RIS). Desain skala waktu campuran ini menggunakan AI generatif untuk a

Penulis mengevaluasi akurasi urutan prioritas, yang didefinisikan sebagai fraksi misi di mana LLM mengurutkan prioritas komunikasi, penginderaan, dan keadilan dengan benar. Pada instruksi held-out, LLM-ZS mencapai akurasi $91,7\%$, sedangkan LLM-ICL mencapai $94,4\%$. Peningkatan dari ICL terutama pada kalibrasi numerik, yaitu menghasilkan bobot dan ambang batas yang lebih dekat dengan nilai optimal.

Kinerja radio hilir diukur setelah optimasi lapisan fisik. Meskipun ada perbedaan akurasi, perbedaan kinerja hilir antara LLM-ZS dan LLM-ICL tidak terpisahkan secara statistik. Penulis menjelaskan bahwa kedua metode biasanya memulihkan kendala keras (misalnya, $R_{\min }$, $E_{\max }$, $P_{\max }$) yang menentukan tindakan yang diizinkan. Setelah kendala ini terpenuhi, bobot yang tepat memiliki dampak terbatas pada kinerja radio akhir.

Ketika beam aktif dan fase RIS dioptimalkan secara langsung melalui optimasi bergantian eksplisit, urutan kualitatif kebijakan tetap terjaga. Ini menunjukkan bahwa struktur kebijakan LLM robust terhadap algoritma optimasi spesifik yang digunakan.

Temuan kuantitatif utama:
- Akurasi urutan prioritas LLM-ZS pada misi held-out: $91,7\%$.
- Akurasi urutan pr