圖書信息
內容簡介
對 arXiv cs.IT 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 132 篇論文 的細讀整理，組織為 37 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 無線通信中的深度學習 (15.8%) — 將深度強化學習與生成模型、聯邦學習相結合，用於優化複雜無線網絡中的預編碼、資源分配與信道建模。
- 代數編碼理論與譯碼 (14.2%) — 研究線性碼、循環碼與裡德-所羅門碼的新構造與譯碼算法，關注糾錯能力與代數結構。
- 統計推斷與複雜度界 (8.7%) — 為高維統計模型中的數據採樣、假設檢驗與隱私保護估計確立最優界與複雜度極限。
- 聯合信源信道編碼與估計 (8.1%) — 探索聯合信源信道編碼策略與先進信道估計技術，包括面向 MIMO 與 RIS 系統的深度學習方法。
- 可重構與可移動天線系統 (8.0%) — 研究流形、可移動與可重構天線系統的優化技術，以增強無線網絡的覆蓋、波束成形與能效。
- 信息論基礎與幾何 (6.9%) — 運用信息幾何與基本信息不等式，分析信息系統的理論極限、複雜度度量與熱力學方面。
- 率失真與語義通信 (6.3%) — 分析率失真權衡與語義通信框架，關注有限塊長條件下的壓縮效率與失真緩解。
- 量子編碼與信道容量 (5.7%) — 考察量子 LDPC 碼、糾纏輔助通信與量子信道容量界，包括量子糾錯的譯碼算法。
- 大規模 MIMO 與無蜂窩系統 (5.0%) — 優化大規模 MIMO 與無蜂窩架構中的波束成形、信道獲取與干擾管理，面向下一代無線網絡。
- 熵方法與隨機接入 (3.8%) — 利用最大熵原理與信息度量分析隨機接入協議、複用策略與隨機變量的分佈性質。
- 面向智能無線網絡的機器學習 (17.6%) — 運用深度強化學習、生成模型與聯邦學習優化無線網絡的預編碼、資源分配與信道建模。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
