AI-inbyggd Edge Intelligence för framtida trådlösa nätverk
- Diarienummer
- STP25-0019
- Projektledare
- Xiao, Ming
- Start- och slutdatum
- 260801-310731
- Beviljat belopp
- 0 kr
- Förvaltande organisation
- KTH - Royal Institute of Technology
- Forskningsområde
- Informations-, kommunikations- och systemteknik
Summary
Projektet syftar till att undersöka viktiga tekniker för AI i 6G-nätverk. Framväxande 6G-nätverk är tänkta att nativt stödja ett brett spektrum av AI-drivna tjänster och betraktas allmänt som AI-nativa nätverk. Samtidigt migrerar AI-funktionalitet från centraliserade moln till distribuerade distributioner som spänner över molnkanten och enheterna. Den snabbt växande AI-modellstorleken utmanar dock 6G-nätverk vad gäller lagring, energi, beräkningskapacitet och kommunikationskapacitet. Därför kommer vi att omforma och optimera AI-träning och distribution inom trådlösa nätverk genom att utveckla split learning, inference och semantisk kommunikation (SemCom). Våra mål är att etablera grundläggande teorier och design av nya AI-tekniker med integritetsmedvetna och resurseffektiva modeller för praktiska trådlösa nätverk. Projektet är planerat att vara 5 år långt. Vi kommer att utgå från grundläggande teorier genom informations- och optimeringsteorier. Sedan kommer vi att föreslå och optimera split learning och inference-algoritmer med låg latens, energieffektivitet och integritetsbevarade 6G-nätverk. Försvarsmekanismer för att möjliggöra säker och intelligent SemCom kommer att föreslås. De föreslagna algoritmerna kommer att verifieras i vår experimentplattform. De förväntade resultaten inkluderar gemensamma publikationer i ledande tidskrifter och konferenser inom kommunikation och AI, utbildade forskare och testmiljöer/kunskaper med praktiska datorenheter och kommunikationsnätverk.
Populärvetenskaplig beskrivning
Projektet syftar till att utveckla viktiga tekniker för artificiell intelligens (AI) i 6G-nätverk (6:e generationens mobila nätverk). Framväxande 6G-nätverk är tänkta att nativt stödja ett brett spektrum av AI-drivna tjänster, såsom multimodala assistenter, media-/språkbehandling, immersiv utökad verklighet (XR), autonom körning och intelligent industriell automation. Till skillnad från tidigare generationer av mobila nätverk som främst fokuserade på dataleverans, betraktas 6G allmänt som ett AI-nativt nätverk, där AI inte bara är en nyckelapplikation utan också en grundläggande drivkraft för nätverksarkitektur, protokolldesign och resurshantering. Samtidigt migrerar AI-funktionalitet från centraliserat moln till distribuerade distributioner som spänner över molnkanten och enheterna. Den snabbt växande AI-modellstorleken (såsom stora språkmodeller) utmanar dock 6G-nätverk vad gäller lagring, energi, beräkningskapacitet och kommunikationskapacitet. Därför kommer vi att undersöka och förbättra AI-applikationer och design inom 6G-nätverk genom att utveckla split learning, split inference och semantisk kommunikation (SemCom), där AI-funktioner implementeras i flera enheter inom nätverk. Våra mål är att etablera teorier och designmetoder för nya AI-tekniker med integritetsmedvetna och resurseffektiva modeller för praktiska trådlösa nätverk. För att lösa komplexa problem kommer vi att utnyttja kompletterande expertis från team i Sverige och Taiwan. De förväntade resultaten inkluderar gemensamma publikationer i ledande tidskrifter och konferenser inom områdena kommunikation och AI, utbildade forskare och testmiljöer/kunskaper med praktiska datorenheter och kommunikationsnätverk.