تعتبر الإنترنت عبر الأقمار الصناعية في مدارات الأرض الدنيا (LEO) جزءاً لا يتجزأ من بنية الاتصالات الحديثة، حيث تهدف إلى تحقيق اتصال شامل يتماشى مع رؤية الاتحاد الدولي للاتصالات لتقنيات الجيل السادس (6G). ومع ذلك، تواجه هذه الشبكات تحديات كبيرة نتيجة لوجود بيانات مفقودة، مما يُعقد مهمة تعزيز البيانات ويعيق القدرة على توسيع المجموعات البيانية الممثلة.

في استجابة لهذا التحدي، تم اقتراح إطار عمل مبتكر يعتمد على الذكاء الاصطناعي التوليدي (GenAI). يهدف هذا الإطار إلى توليد بيانات عالية الدقة مباشرة من ملاحظات الشبكة الغير كاملة في LEO. يتضمن البحث نماذج مفقودة تمثيلية للبيانات، حيث تم تقييم الأداء باستخدام نماذج GenAI الحديثة القائمة على الشبكات التوليدية الخصومية (GAN) ونموذج التشفير التلقائي المتغير (VAE) على مجموعة بيانات WetLinks.

تم تصميم سيناريوهات مفقودة بشكل كتلي ونقطي لمحاكاة فقدان البيانات الذي يحدث في الشبكات الحقيقية، وقد أظهرت النتائج فعالية الإطار المقدم، حيث برز نموذج GT-GAN بأفضل أداء بين جميع النماذج المستخدمة في السيناريوهات المفقودة. حتى في الظروف القاسية، مثل فقدان 40% من بيانات المدخلات، أثبت نموذج GT-GAN صموده بفضل تميزه في ضبط توزيع البيانات المدخلة.

تكشف هذه النتائج عن آفاق جديدة لمجموعات البيانات المدعومة بالذكاء الاصطناعي والبحوث المدفوعة بالبيانات في قياسات الشبكات عبر الأقمار الصناعية. إن استخدام هذه التقنيات قد يمثل بداية جديدة لتخطي القيود الحالية في عالم الاتصالات الفضائية.