この記事では、次世代（NextG）無線通信システムにおける適応型エンドツーエンド（E2E）トランシーバアーキテクチャを提案しています。従来のOFDMシステムは、パイロットとサイクリックプレフィックス（CP）に依存しており、オーバーヘッドが大きく、スペクトル効率が低下しています。これに対処するため、提案されたアーキテクチャは、AI駆動の星座形成とニューラル受信機の結合トレーニングを行い、軽量のチャネルアダプタモジュールを導入することで、動的なチャネル条件に対するロバスト性を高めています。このフレームワークは、複数の変調順序にスケーラブルで、OFDMに固有の高いピーク対平均電力比（PAPR）問題にも対応。また、広範なシミュレーションにより、提案されたフレームワークが多様なチャネルシナリオで優れたビット誤り率（BER）とスループットを実現することが示されています。