Prestandaprediktion för tillförlitliga 6G-nätverk genom kausal artificiell intelligens

Syfte och mål

6G kommer att öppna upp nya möjligheter för tjänster inom ramen för cyber-fysiskt kontinuum. Detta omfattar kommunikations- och beräkningsapplikationer som är beroende av observerbarhet och realtidskrav. Projektet har som mål att stödja sådan tjänsteleverans i 6G genom exakta förutsägelser av framtida tillstånd i nätverket. Vårt angreppssätt är att utnyttja kausalitet, en statistisk teori om beroende tillstånd, i AI-algoritmer.

Förväntade effekter och resultat

Kausal AI är ett verktyg när grundläggande data är svårtillgänglig. För 6G så är det viktigt att kunna identifiera och förutsäga sällsynta händelser som leder till betydande prestandaförsämring, vilket i sin tur påverkar applikationer inom det cyber-fysiska kontinuumet. Vi siktar på att utveckla algoritmer som kan förutsäga och identifiera sådana sällsynta händelser med så lite data som möjligt. För detta kommer vi att tillhandahålla algoritmer för kausal upptäckt samt kausal AI-ansatser.

Planerat upplägg och genomförande

Projektet har tre huvuddelar. I den första delen kommer vi att vidareutveckla befintliga prototyper av trådlösa nätverk för datainsamling. Att ha en betydande mängd data är viktigt för senare projektfaser. I steg 2 kommer vi att arbeta med olika metoder för kausal upptäckt baserat på de data vi samlat in i den första fasen. Slutligen kommer vi att utveckla kausala AI-metoder för att förutsäga prestanda inom 6G.