Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

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

Opis projektu

Wprowadzenie modeli sztucznej inteligencji do użytku w sieciach bezdotykowych

Coraz szersze zastosowanie internetu rzeczy, technologii cyfrowych i inteligentnych w życiu publicznym, sektorach i usługach publicznych stworzyły ogromne zapotrzebowanie na większą łączność, prędkość, niezawodność i dostępność sieci. Zaspokajanie tych potrzeb staje się jednak coraz trudniejsze. Wdrożenie technologii 6G wymaga od operatorów sieci komórkowych (MNO) wprowadzenia rozwiązań do zarządzania siecią i usługami bezdotykowymi (ZSM) opartych na technologii sztucznej inteligencji, co pozwoli na pełną automatyzację orkiestracji zasobów z dużymi prędkościami, aby sprostać zapotrzebowaniu. Dzięki wsparciu programu działań „Maria Skłodowska-Curie” Marii Skłodowskiej-Curie zespół projektu 6G-AI-TANGO będzie badał i kwantyfikował dane dotyczące kluczowych wskaźników efektywności w prognozowaniu sieci komórkowych, aby umożliwić wykorzystanie modeli sztucznej inteligencji w ZSM oraz zwiększyć ich solidność, wydajność i wiarygodność.

Cel

"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."

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

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

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2024-PF-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

FUNDACION IMDEA NETWORKS
Wkład UE netto
€ 242 593,20
Koszt całkowity
Brak danych

Partnerzy (1)