5Gに基づく産業用無線ネットワーク（IWN）において、性能要件の本質的な矛盾により、超高信頼・低遅延通信（URLLC）と拡張モバイルブロードバンド（eMBB）サービスの共存問題がリソーススライシングに大きな課題をもたらしています。本論文では、この問題に対して、モデル支援型深層強化学習（DRL）に基づく穿刺伝送方式を提案し、5Gの上りリンクにおけるURLLCサービスによるeMBBリソースの動的先占を実現します。まず、URLLCの遅延および信頼性制約を厳格に満たしつつ、eMBBの累積速度最大化を目的とした穿刺最適化問題を構築しました。次に、散発的に発生するURLLCサービスに対し、確率的反復符号化に基づく競合アクセス（RRCC）方式を設計し、その信頼性解析モデルを導出しました。続いて、当該信頼性モデルに基づき、URLLCおよびeMBBのスケジューリングパラメータを共同最適化するDRLアルゴリズムを提案し、動的ネットワーク環境に適応可能です。シミュレーション結果から、提案するモデル支援型DRLアルゴリズムは収束速度が速く、資源効率の面で既存手法を大幅に凌駕することが示されました。

上り5Gネットワーク;拡張モバイルブロードバンド（eMBB）;超高信頼・低遅延通信（URLLC）;リソーススライシング;穿刺伝送;深層強化学習（DRL）