GEMINI: Generaliserad och förklarlig 6G Mobile Intelligence
- Diarienummer
- FID24-0048
- Projektledare
- Mowla, Nishat
- Start- och slutdatum
- 250801-300731
- Beviljat belopp
- 3 250 000 kr
- Förvaltande organisation
- RISE Digitala System
- Forskningsområde
- Informations-, kommunikations- och systemteknik
Summary
Huvudmål: GEMINI syftar till att utveckla innovativa och förklarliga AI-drivna lösningar för sömlös 6G-drift och -hantering inom teleoperation, för att ta itu med kritiska utmaningar i AI-generaliserbarhet, förklarabarhet och ultralåg latens som nuvarande lösningar inte kan leverera. Översiktlig arbetsplan: GEMINI inkluderar tre arbetspaket (WP): Den översiktliga planen inkluderar WP1, litteraturstudier och undersökning av teoretiska prestandagränser och utveckling av modeller för AI-förstärkt tvärskiktsoptimering (Lager 1-Lager 3) i 6G, modellering och simulering; WP2, design av generaliserade, förklarabara AI/ML-algoritmer för att förbättra nätverksprestanda, vilket säkerställer transparent, rättvist och pålitligt beslutsfattande över protokoll lagren; WP3, validering av modellerna på en 6G-testbädd med låg latens, och visar pålitligt, datadrivet beslutsfattande under verkliga begränsningar. Förväntade resultat: GEMINI kommer att positionera Sverige som en global ledare inom AI-driven 6G-teleoperation, sätta nya riktmärken för pålitliga, intelligenta 6G-system och bidra till standardiseringsinsatser. Projektet kommer att etablera ett kunskapsnav för AI och 6G-integration, främja svensk ICT och producera skickliga ingenjörer för nästa generations innovationer.
Populärvetenskaplig beskrivning
"GEMINI: Generaliserad och förklarlig 6G Mobile Intelligence," adresserar utmaningarna med att implementera artificiell intelligens (AI) och maskininlärning (ML) i sjätte generationens (6G) nätverk för realtidsoptimering utan mänsklig inblandning. Till skillnad från 5G-system som bygger på manuella processer kommer 6G att integrera AI/ML över protokollager (L1-L3) för att förbättra anpassningsförmåga, effektivitet och tillförlitlighet. För att uppnå denna vision måste betydande hinder övervinnas, inklusive generaliserbarhet, förklarbarhet och rättvisa i AI-drivna system, särskilt för kritiska tillämpningar som teleoperation. GEMINI föreslår en hybridstrategi som kombinerar AI med konventionella metoder, vilket säkerställer anpassningsförmåga, tillförlitlighet och låg latens samtidigt som transparens och tillförlitlighet bibehålls. Projektet fokuserar på två huvudfrågor: (1) Hur kan 6G-nätverk utformas för att stödja nära realtidsintelligens för olika teleoperationstillämpningar? (2) Hur kan AI-drivna lösningar effektivt implementeras inom olika 6G-lager samtidigt som de samverkar med konventionella tekniker? Forskningen inkluderar teoretiskt och experimentellt arbete med leveranser som: AI-driven lageröverskridande optimering: Realtidsanpassning mellan protokollager under dynamiska förhållanden. Ett ramverk för tillförlitlig 6G-nätverksintelligens: Säkerställande av att AI-beslut är förklarbara, rättvisa och robusta. Verifiering i verkliga miljöer: Testning via teleoperationstillämpningar med hjälp av simuleringar och fysiska testbäddar som till exempel Sionna, QuaDRiGa och avancerade 5G/6G-testbäddar kommer GEMINI att överbrygga centrala forskningsproblem inom 6G. Projektet stödjer aktivt utvecklingen av en doktorand genom regelbunden handledning, tillgång till avancerade resurser vid RISE och MIUN samt deltagande i seminarier, tvärvetenskapligt samarbete och forskningsspridning. Studenten kommer att få expertis inom AI, optimering och trådlös kommunikation samt utveckla viktiga professionella färdigheter som vetenskaplig kommunikation, anslagsansökningar, projektledning och etisk forskning. Detta förbereder studenten för betydande bidrag inom akademin och industrin. Genom att anpassa sig till initiativ som ITU:s IMT-2030, IEEE P1955 och ISO/IEC JTC 1/SC 42 - AI sätter GEMINI nya standarder för tillförlitliga och effektiva 6G-system, vilket möjliggör nya applikationer som fjärrstyrd medicinsk support, precisionsjordbruk och industriell automation.