GNN是否能在通信领域中使用

本文仅个人观点，水平有限，欢迎指导。

初学通信领域中图神经网络(GNN)的应用时，会不由自主的产生为什么GNN能够应用在通信领域，能够解决通信领域的问题。

产生这一问题的原因在于，虽然理论上，只要给定足够的数据和正确的训练方式，在某个领域架构下的神经网络可以解决任何它所面对的任务，如图像处理或者推荐系统。但这些方向的样本数据的背后是存在相关性的，通过CNN或者GNN找出相关性来做分类或预测任务，但是通信问题背后似乎并不存在这样的相关性。

但并非如此，从宏观的角度来说，通信数据主要包含时间相关性和空间相关性。

时间相关性是指，信道数据中会包含接受设备（如车辆、手机等）的运动规律，如速度，方向，这些隐含信息可用于重构未来信道信息，从而提前制定传输方案，但这对设备的算力有一定的有一定的要求。

空间相关性是指，信道数据会受到接收设备环境信息、天气信息的影响，该隐含信息同样有助于提升重构未来信道信息时的可靠性。

从微观角度来说，电磁波之间的相互干扰也能体现通信系统之间的相关性。目前在通信领域中的波束设计、功率控制等问题上，可通过GNN寻找节点之间的相关性来达到功率、干扰与传输速率的均衡。