論文の概要: Zero-touch realization of Pervasive Artificial Intelligence-as-a-service
in 6G networks
- arxiv url: http://arxiv.org/abs/2307.11468v1
- Date: Fri, 21 Jul 2023 10:02:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-24 13:06:04.783240
- Title: Zero-touch realization of Pervasive Artificial Intelligence-as-a-service
in 6G networks
- Title（参考訳）: 6gネットワークにおける普及型人工知能のゼロタッチ実現
- Authors: Emna Baccour and Mhd Saria Allahham and Aiman Erbad and Amr Mohamed
and Ahmed Refaey Hussein and Mounir Hamdi
- Abstract要約: ブロックチェーンベースのスマートシステムをサポートする6Gネットワークに,ゼロタッチPAI-as-a-Service(PAI)をデプロイするための,新たなプラットフォームアーキテクチャを導入する。
本稿では,提案システムによる6Gネットワークの動的特性の自己最適化と自己適応性を評価する概念実証について述べる。
- 参考スコア（独自算出の注目度）: 8.500820283596774
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The vision of the upcoming 6G technologies, characterized by ultra-dense
network, low latency, and fast data rate is to support Pervasive AI (PAI) using
zero-touch solutions enabling self-X (e.g., self-configuration,
self-monitoring, and self-healing) services. However, the research on 6G is
still in its infancy, and only the first steps have been taken to conceptualize
its design, investigate its implementation, and plan for use cases. Toward this
end, academia and industry communities have gradually shifted from theoretical
studies of AI distribution to real-world deployment and standardization. Still,
designing an end-to-end framework that systematizes the AI distribution by
allowing easier access to the service using a third-party application assisted
by a zero-touch service provisioning has not been well explored. In this
context, we introduce a novel platform architecture to deploy a zero-touch
PAI-as-a-Service (PAIaaS) in 6G networks supported by a blockchain-based smart
system. This platform aims to standardize the pervasive AI at all levels of the
architecture and unify the interfaces in order to facilitate the service
deployment across application and infrastructure domains, relieve the users
worries about cost, security, and resource allocation, and at the same time,
respect the 6G stringent performance requirements. As a proof of concept, we
present a Federated Learning-as-a-service use case where we evaluate the
ability of our proposed system to self-optimize and self-adapt to the dynamics
of 6G networks in addition to minimizing the users' perceived costs.
- Abstract（参考訳）: 超高密度ネットワーク、低レイテンシ、高速データレートを特徴とする次の6G技術のビジョンは、セルフX(セルフコンフィグレーション、セルフモニタリング、セルフヒーリング)サービスを可能にするゼロタッチソリューションを使用してPervasive AI(PAI)をサポートすることである。
しかし、6Gの研究はまだ初期段階であり、その設計を概念化し、その実装を調査し、ユースケースを計画する最初の段階に過ぎなかった。
この目的に向けて、学術と産業のコミュニティは、AI配布の理論研究から現実の展開と標準化へと徐々に移行してきた。
それでも、ゼロタッチサービスプロビジョニングによって支援されたサードパーティアプリケーションを使用して、サービスへのアクセスを容易にすることで、aiディストリビューションを体系化するエンドツーエンドフレームワークの設計は、十分に検討されていない。
この文脈では、ブロックチェーンベースのスマートシステムによってサポートされている6Gネットワークに、ゼロタッチPAI-as-a-Service(PAIaaS)をデプロイするための新しいプラットフォームアーキテクチャを導入する。
このプラットフォームの目的は、アーキテクチャのあらゆるレベルで広く普及するAIを標準化し、アプリケーションとインフラストラクチャドメイン間のサービスのデプロイを容易にするためにインターフェースを統合すること、コスト、セキュリティ、リソース割り当てに関する心配を和らげること、そして同時に、6Gの厳格なパフォーマンス要件を尊重することである。
概念実証として,提案するシステムが6gネットワークのダイナミックスに自己最適化し,自己適応する能力を評価するとともに,ユーザの認識するコストを最小化する,フェデレート学習・アズ・ア・サービスユースケースを提案する。
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) - A Learning-based Incentive Mechanism for Mobile AIGC Service in Decentralized Internet of Vehicles [49.86094523878003]
モバイルAIGCサービスアロケーションのための分散インセンティブ機構を提案する。
我々は、AIGCサービスのRSUへの供給と、IoVコンテキスト内のサービスに対するユーザ要求のバランスを見つけるために、マルチエージェントの深層強化学習を採用している。
論文 参考訳（メタデータ） (2024-03-29T12:46:07Z) - 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) - Federated Learning-Empowered AI-Generated Content in Wireless Networks [58.48381827268331]
フェデレートドラーニング(FL)は、学習効率を改善し、AIGCのプライバシー保護を達成するために利用することができる。
我々は,AIGCの強化を目的としたFLベースの技術を提案し,ユーザが多様でパーソナライズされた高品質なコンテンツを作成できるようにすることを目的とする。
論文 参考訳（メタデータ） (2023-07-14T04:13:11Z) - Optimization Design for Federated Learning in Heterogeneous 6G Networks [27.273745760946962]
フェデレーテッド・ラーニング(FL)は、6GネットワークでユビキタスAIを実現するための重要な実現手段として期待されている。
6Gネットワークにおける有効かつ効率的なFL実装には、いくつかのシステムおよび統計的不均一性の課題がある。
本稿では,これらの課題に効果的に対処できる最適化手法について検討する。
論文 参考訳（メタデータ） (2023-03-15T02:18:21Z) - 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)
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。