論文の概要: AI-Native Network Slicing for 6G Networks

• arxiv url: http://arxiv.org/abs/2105.08576v1
• Date: Tue, 18 May 2021 15:01:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-19 13:50:51.181157
• Title: AI-Native Network Slicing for 6G Networks
• Title（参考訳）: 6GネットワークのためのAI-Native Network Slicing
• Authors: Wen Wu, Conghao Zhou, Mushu Li, Huaqing Wu, Haibo Zhou, Ning Zhang, Xuemin (Sherman) Shen, Weihua Zhuang
• Abstract要約: 6Gネットワークには、空間空統合ネットワーク、高度なネットワーク仮想化、ユビキタスインテリジェンスが期待できます。 本稿では、6Gネットワークのための人工知能(AI)ネイティブネットワークスライシングアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 29.44629717543926
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the global roll-out of the fifth generation (5G) networks, it is necessary to look beyond 5G and envision the sixth generation (6G) networks. The 6G networks are expected to have space-air-ground integrated networking, advanced network virtualization, and ubiquitous intelligence. This article proposes an artificial intelligence (AI)-native network slicing architecture for 6G networks to facilitate intelligent network management and support emerging AI services. AI is built in the proposed network slicing architecture to enable the synergy of AI and network slicing. AI solutions are investigated for the entire lifecycle of network slicing to facilitate intelligent network management, i.e., AI for slicing. Furthermore, network slicing approaches are discussed to support emerging AI services by constructing slice instances and performing efficient resource management, i.e., slicing for AI. Finally, a case study is presented, followed by a discussion of open research issues that are essential for AI-native network slicing in 6G.
• Abstract（参考訳）: 第5世代(5G)ネットワークのグローバル展開では、5Gを超えて第6世代(6G)ネットワークを想定する必要がある。 6Gネットワークには、宇宙空間の統合ネットワーク、高度なネットワーク仮想化、ユビキタスインテリジェンスが期待されている。 本稿では、インテリジェントなネットワーク管理を促進し、新興AIサービスをサポートするために、6Gネットワークのための人工知能(AI)ネイティブネットワークスライシングアーキテクチャを提案する。 AIは、提案されたネットワークスライシングアーキテクチャで構築されており、AIとネットワークスライシングのシナジーを可能にする。 AIソリューションは、インテリジェントネットワーク管理、すなわちスライシングのためのAIを促進するために、ネットワークスライシングのライフサイクル全体について調査されている。 さらに、スライスインスタンスを構築し、効率的なリソース管理、すなわちAIスライスを実行することによって、新興AIサービスをサポートするために、ネットワークスライシングアプローチについて議論する。 最後に、ケーススタディを示し、6GでAIネイティブネットワークスライシングに不可欠なオープンリサーチ問題について議論する。

関連論文リスト

• Decentralized Multi-Party Multi-Network AI for Global Deployment of 6G Wireless Systems [31.754166695074353]
  本稿では、大規模にデプロイされた6GネットワークにAIを統合するための分散マルチパーティ・マルチネットワークAI(DMMAI)フレームワークを紹介する。 DMMAIは、さまざまなネットワークプラットフォームにわたるAI駆動コントロールを調和させ、自らを自律的に構成、監視、修復するネットワークを促進する。 弊社のアプローチでは、マルチネットワークオーケストレーションとAIコントロールの統合について検討し、6GネットワークにおけるAI駆動のコーディネーションのための標準フレームワークにおける重要なギャップを埋める。
  論文  参考訳（メタデータ） (2024-04-15T15:21:25Z)
• Towards Intent-Based Network Management: Large Language Models for Intent Extraction in 5G Core Networks [10.981422497762837]
  機械学習と人工知能を第5世代(5G)ネットワークに統合することで、ネットワークインテリジェンスの限界が明らかになった。 本稿では,5Gおよび次世代インテントベースネットワークのためのLLM(Large Language Model)の開発について述べる。
  論文  参考訳（メタデータ） (2024-03-04T17:29:57Z)
• Foundation Model Based Native AI Framework in 6G with Cloud-Edge-End Collaboration [56.330705072736166]
  基礎モデルに基づく6GネイティブAIフレームワークを提案し、意図認識型PFMのカスタマイズアプローチを提供し、新しいクラウド-エッジコラボレーションパラダイムを概説する。 実例として,無線通信システムにおける最大和率を達成するために,このフレームワークをオーケストレーションに適用する。
  論文  参考訳（メタデータ） (2023-10-26T15:19:40Z)
• Large Language Models Empowered Autonomous Edge AI for Connected Intelligence [51.269276328087855]
  エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。 この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
  論文  参考訳（メタデータ） (2023-07-06T05:16:55Z)
• Holistic Network Virtualization and Pervasive Network Intelligence for 6G [14.35331138476144]
  ネットワークアーキテクチャの進化と展望を考察し,第6世代(6G)ネットワークのための新しい概念アーキテクチャを提案する。 提案したアーキテクチャは2つの鍵となる要素、すなわち全体論的ネットワーク仮想化と広範人工知能(AI)を持つ。 我々は6Gの潜在的なアーキテクチャに関するさらなる議論と開発を刺激することを目指している。
  論文  参考訳（メタデータ） (2023-01-02T04:15:33Z)
• In-situ Model Downloading to Realize Versatile Edge AI in 6G Mobile Networks [61.416494781759326]
  In-situモデルダウンロードは、ネットワーク内のAIライブラリからダウンロードすることで、デバイス上のAIモデルを透過的でリアルタイムに置き換えることを目的としている。 提示されたフレームワークの重要なコンポーネントは、ダウンロードされたモデルを深さレベル、パラメータレベル、ビットレベルで動的に圧縮する一連のテクニックである。 我々は,3層(エッジ,ローカル,中央)AIライブラリのキー機能を備えた,インサイトモデルダウンロードのデプロイ用にカスタマイズされた6Gネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-10-07T13:41:15Z)
• Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and Applications [39.223546118441476]
  6Gはワイヤレスの進化を「コネクテッドモノ」から「コネクテッドインテリジェンス」に変革する ディープラーニングとビッグデータ分析に基づくAIシステムは、膨大な計算と通信資源を必要とする。 エッジAIは、センサー、通信、計算、インテリジェンスをシームレスに統合する6Gの破壊的技術として際立っている。
  論文  参考訳（メタデータ） (2021-11-24T11:47:16Z)
• Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
  エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。 本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
  論文  参考訳（メタデータ） (2020-10-01T02:16:40Z)
• Federated Learning for 6G Communications: Challenges, Methods, and Future Directions [71.31783903289273]
  6Gとフェデレーション学習の統合を導入し、6Gのための潜在的なフェデレーション学習アプリケーションを提供する。 6G通信の文脈において,重要な技術的課題,それに対応するフェデレーション学習手法,および今後のフェデレーション学習研究のためのオープンな課題について述べる。
  論文  参考訳（メタデータ） (2020-06-04T15:17:19Z)
• Towards Ubiquitous AI in 6G with Federated Learning [43.318721658647014]
  Federated Learning(FL)は、異種および潜在的に大規模ネットワークにおけるデータ駆動型AIソリューションを可能にする、新興の分散AIソリューションである。 FLベースのネットワークアーキテクチャを提案し、6Gで期待される新しい課題に対処する可能性について論じる。
  論文  参考訳（メタデータ） (2020-04-26T13:05:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。