في عالم الاتصالات الحديثة، خاصة تلك التي تتطلب وقتاً حسّاساً مثل التطبيقات الممتدة للواقع (XR)، تبرز الحاجة الملحة لإدارة البيانات بفعالية. وقد قدم الباحثون حديثاً نموذجاً مبتكراً يُعرف بـ "المحولات متعدد الوكلاء" (Multi-Agent Transformer) لتسهيل جدولة مرور بيانات XR في الشبكات الحساسة للوقت (TSN).

تتيح الشبكات الحساسة للوقت الاتصال الموثوق وذو زمن استجابة منخفض للتطبيقات الحساسة، مثل XR، إلا أن انتشار هذه التطبيقات يكشف عن تحديات جسيمة نتيجة التنافس على موارد الشبكة المشتركة في بيئات الحوسبة الطرفية المحمولة (MEC). تتطلب أنواع حركة مرور XR تمييزًا خاصًا من حيث الخصائص، بما في ذلك متطلبات التوقيت المعقدة.

الأبحاث السابقة في جدولة TSN اعتمدت غالبًا على تصاميم مركزيّة أو عُليا التي كانت موجهة بشكل رئيسي لحركة المرور الصناعية الروتينية. ومع ذلك، تملك حركة مرور XR ديناميكيات فريدة تحتاج إلى استجابة أكثر مرونة. المُقاربة الجديدة التي تم تقديمها تستند إلى تعلّم التعزيز (Reinforcement Learning) وتعتمد تقنية المحولات متعددة الوكلاء لتوزيع البيانات عبر الطوابير، مما يتيح تنسيقًا ضمنيًّا بين التطبيقات المتنوعة.

أظهرت نتائج المحاكاة أن هذا النموذج الجديد استطاع تحسين الأداء بشكل ملحوظ، حيث حقق تقليصًا في زمن الانتظار يصل إلى 71.42% وتقليصًا في معدل الفشل بنسبة تصل إلى 83.2% عبر جميع الطوابير. بهذه النتائج، أصبح النموذج مثاليًا لاستخدامه في تنفيذ التطبيقات الحساسة للوقت.

مع استمرار تطور تقنيات الشبكات، يشير هذا الابتكار إلى مستقبل مشرق لتحسين تجربة المستخدم في تطبيقات XR، ويمثل خطوة حاسمة نحو توصيل بيانات أكثر فعالية وأمانًا. ما رأيكم في هذه التطورات الجديدة في عالم التكنولوجيا؟ شاركونا في التعليقات.