Ключевые требования к системам 6G можно обобщить следующим образом:

- Пиковая скорость передачи данных: ≥1 Тбит/с;
- Скорость передачи данных, воспринимаемая пользователем, должна быть как минимум в 10 раз выше, чем в 5G;
- Задержка в пользовательском плане должна быть в 40 раз меньше, чем в 5G;
- Мобильность — до 1000 км/ч.

Для выполнения этих требований мы планируем провести исследования по следующим основным направлениям:

1. Новые высокопроизводительные коды исправления ошибок и алгоритмы декодирования. 

- Каскадные коды с внутренними кодами для уменьшения ошибок.
Каскадное кодирование — это стандартный способ уменьшения сложности. Ключевой момент в том, что внутренний код должен максимально уменьшать количество ошибок, а не исправлять их все. В [1] показано, что нелинейные коды лучше любых линейных кодов в режиме уменьшения ошибок для бинарного канала с стираниями. Также были предложены конструкции нелинейных кодов на разреженных графах. Наша цель — исследовать эти коды в более реалистичных моделях каналов. Первоначальные результаты приведены в [2].

- Решетчатые коды.
Задача состоит в разработке решетчатых кодов и их сравнении с передовыми кодами исправления ошибок.

- Новые алгоритмы декодирования.
Мы планируем исследовать декодеры, вдохновленные методами оптимизации. Задача декодирования — это задача целочисленного программирования, которая вычислительно сложна. Ослабляя задачу, можно применять различные методы оптимизации, такие как градиентный спуск [3] или линейное программирование [4]. Недавние работы [5, 6, 7] предоставляют результаты для LDPC-кодов; мы планируем рассмотреть другие классы кодов, такие как полярные, алгебраические и решетчатые коды, а также создавать коды для этих декодеров. Другое направление исследований — снижение сложности декодирования или минимизация числа ограничений.

- Коды разреженной регрессии (SPARCs) [8].
SPARCs представляют собой новый класс кодов, которые можно декодировать с помощью методов сжатого измерения (например, AMP). Доказано, что эти коды достигают пропускной способности канала AWGN. Задача состоит в изучении их характеристик при конечной длине и свойств по уменьшению ошибок.

2. Техники неортогонального множественного доступа (NOMA).
Известно, что для достижения пропускной способности канала множественного доступа (MAC) пользователи должны использовать канал одновременно (разделение по времени и частоте — неэффективные стратегии) в сочетании с совместным декодированием. Однако практические схемы далеки от асимптотических пределов. Мы планируем исследовать следующие стратегии NOMA:

- NOMA на основе LDPC-кодов.
Задача состоит в разработке методов проектирования и анализа таких кодов для сценариев множественного доступа.

- NOMA на основе полярных кодов.
Полярные коды основаны на явлении поляризации канала. Доказано, что MAC также может быть поляризован. Первая задача — провести теоретическое исследование поляризации MAC, охарактеризовать виртуальные подканалы и частичный порядок на них. Наконец, мы планируем предложить конструкции полярных кодов конечной длины для MAC. Первоначальные результаты приведены в [9].

- Подход Compute-and-Forward (CoF) [10].
Идея заключается в восстановлении целочисленных комбинаций переданных сообщений, а не самих сообщений, когда передачи сталкиваются. Для реализации этой схемы требуются решетчатые коды. Задача состоит в разработке методов проектирования и анализа таких кодов для сценариев множественного доступа.

3. Кодирование на уровне физического слоя сети [11].
   Сетевое кодирование (СК) — это техника, при которой узлы сети могут выполнять операции над передаваемыми сообщениями (пакетами), т.е. отправлять линейные комбинации пакетов вместо самих пакетов. Кодирование на уровне физического слоя оперирует передаваемыми сигналами (реальными или комплексными векторами).

Эта техника позволяет уменьшить число передач и, следовательно, увеличить скорость передачи. Кодирование на физическом уровне тесно связано с NOMA.   

4. Новые формы сигналов.     

Мы планируем рассмотреть подход "Faster-than-Nyquist" (FTN), подобрать подходящие формы сигналов и сосредоточиться на снижении сложности декодирования.