Projektbeschreibung
Neuer Vorsprung für drahtlose KI
Drahtlose Kommunikationssysteme stehen vor immer größeren Schwierigkeiten, da sie mehr Daten in dynamischen Umgebungen verarbeiten müssen. Herkömmliche Methoden zum Entwurf von Empfängern können mit den schnellen Veränderungen in drahtlosen Kanälen nur schwer Schritt halten. Hinzu kommt, dass die Geräte nur über eine begrenzte Leistung und Rechenressourcen verfügen, wodurch es schwierig ist, große Datenmengen zu verarbeiten. Die derzeitigen KI-Lösungen, die auf massiven, vortrainierten Netzwerken beruhen, sind für diese Bedingungen kaum geeignet. Ziel des ERC-finanzierten Projekts FLAIR ist es daher, diese Probleme zu lösen, indem eine neue, flexible Form der KI speziell für die drahtlose Kommunikation entwickelt wird. Es konzentriert sich auf leichte Empfängerdesigns, kontinuierliches Lernen und effiziente Datennutzung und bietet einen anpassungsfähigeren und ressourcenschonenden Ansatz.
Ziel
Artificial intelligence (AI) is envisioned to play a key role in future wireless technologies, with deep neural networks (DNNs) enabling digital receivers to learn to operate in challenging communication scenarios. However, wireless receiver design poses unique challenges that fundamentally differ from those encountered in traditional deep learning domains. The main challenges arise from the dynamic nature of wireless communications, which causes continual changes to the data distribution, combined with the limited power and computational resources of wireless devices. These challenges impair conventional AI based on offline trained massive DNNs. Our ambitious goal is to introduce a new form of flexible lightweight AI that is particularly tailored for wireless communications. Our approach is based on a holistically revisiting the three fundamental pillars of AI – the architecture, dictating the family of learned mappings; the training algorithm that tunes the architecture; and the data based on which learning is carried out. Accordingly, we focus on three objectives – 1) design trainable receiver architectures that are lightweight and support adaptation to rapid channel variations; 2) establish a new learning paradigm that deviates from conventional training, and is based on viewing continual learning as a dynamic system; and 3) propose techniques to accumulate online data sets that are sufficiently informative for learning purposes while being small enough not to induce notable complexity in training. This is a fundamental depart from conventional deep learning, based on highly-parameterized DNNs trained with massive data sets using lengthy learning procedures. Our preliminary data show that this paradigm shift achieves substantial performance, robustness, and complexity gains over conventional deep receivers. The project will transform how communications systems are studied, and profoundly impact a multitude of applications that rely on wireless communications.
Schlüsselbegriffe
Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).
Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).
Programm/Programme
Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.
Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.
-
HORIZON.1.1 - European Research Council (ERC)
HAUPTPROGRAMM
Alle im Rahmen dieses Programms finanzierten Projekte anzeigen
Thema/Themen
Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.
Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.
Finanzierungsplan
Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.
Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.
HORIZON-ERC - HORIZON ERC Grants
Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen
Aufforderung zur Vorschlagseinreichung
Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.
Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.
(öffnet in neuem Fenster) ERC-2024-STG
Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigenGastgebende Einrichtung
Finanzieller Nettobeitrag der EU. Der Geldbetrag, den der Beteiligte erhält, abzüglich des EU-Beitrags an mit ihm verbundene Dritte. Berücksichtigt die Aufteilung des EU-Finanzbeitrags zwischen den direkten Begünstigten des Projekts und anderen Arten von Beteiligten, wie z. B. Dritten.
84105 Beer Sheva
Israel
Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.