Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

practical AI for Time-vAryiNG network traffic fOrecasting in 6G

Descrizione del progetto

Abilitazione dei modelli di intelligenza artificiale per l’uso in reti zero-touch

La crescente proliferazione e l’uso diffuso dell’internet delle cose, delle tecnologie digitali e intelligenti nella vita pubblica, nei settori e nei servizi pubblici hanno creato una domanda massiccia di maggiore interconnettività, velocità, affidabilità e disponibilità per le reti. Purtroppo, soddisfare queste esigenze sta diventando sempre più difficile. L’implementazione del 6G richiede agli operatori di rete mobile (MNO) di implementare soluzioni di gestione di rete e servizi (ZSM) zero-touch, supportate dalla tecnologia IA, per automatizzare completamente l’orchestrazione delle risorse ad alta velocità per soddisfare la domanda. Con il supporto del programma di azioni Marie Skłodowska-Curie, il progetto 6G-AI-TANGO studierà e quantificherà i dati relativi agli indicatori chiave di prestazione nella previsione delle reti mobili per consentire l’utilizzo di modelli di intelligenza artificiale in ZSM e aumentarne robustezza, efficienza e affidabilità.

Obiettivo

"To fully exploit the 6G potential and ensure near-zero latency, infinite capacity, and 100% reliability and availability communications, Mobile Network Operators (MNOs) are expected to deploy Zero-touch Network and Service Management (ZSM) solutions that completely automate the resource orchestration and work at a very fast timescale, and Artificial Intelligence (AI) is regarded as the primary enabler for proactive decision-making algorithms that will underpin ZSM.

However, the robustness and trustworthiness of AI predictors are critical aspects and represent one of the major barriers presently withholding MNOs from trusting ZSM technologies. In fact, all existing studies on mobile traffic forecasting work under assumption of stationary network, but, in the case of mobile network Key Performance Indicators (KPIs) prediction, user demands and network configurations are time-varying (non-stationary) in operational mobile networks. For example, update of antenna configurations or shifts in popularity of mobile applications can happen over time.

Thus, this project is termed ""practical AI for Time-vAryiNG network traffic fOrecasting in 6G"" (6G-AI-TANGO) and aims to:
(i) assess and quantify the severity of temporal changes (due to non-stationarity) in 6G network KPI forecasting,
(ii) design AI models tailored to mobile KPI forecasting that are resilient to the long-timescale temporal variations regularly encountered in real-world user demands and network configurations, and
(iii) verify the robustness of proposed predictors on real-word data and in production-grade 6G mobile network during non-academic placement at Telefónica."

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2024-PF-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

FUNDACION IMDEA NETWORKS
Contributo netto dell'UE
€ 242 593,20
Indirizzo
AVENIDA DEL MAR MEDITERRANEO 22
28918 Leganes (Madrid)
Spagna
Regione
Comunidad de Madrid Comunidad de Madrid Madrid
Tipo di attività
Research Organisations
Collegamenti
Costo totale
Nessun dato

Partner (1)