|
|
Journal of Zhejiang University SCIENCE C
ISSN 1869-1951(Print), 1869-196x(Online), Monthly
2025 Vol.26 No.2 P.157-308
Special Issue on Artificial-Intelligence-Empowered Digital-Twin-Based Network Autonomy (Editor-in-Chief: Ping ZHANG; Executive Lead Editor: Guangyi LIU)
Editorial: Artificial-intelligence-empowered digital-twin-based network autonomy
Guangyi LIU, Jiangzhou WANG, Rongpeng LI, Jianhua ZHANG
DOI: 10.1631/FITEE.2510000 Downloaded: 167 Clicked: 226 Cited: 0 Commented: 0(p.157-160) <Full Text>
1中国移动研究院，中国北京市，100053
2中关村泛联移动通信技术创新应用研究院，中国北京市，100080
3肯特大学工程与数字艺术学院，英国坎特伯雷，CT2 7NZ
4浙江大学信息与电子工程学院，中国杭州市，310027
5北京邮电大学信息与通信工程学院，中国北京市，100876
随着全球数字化进程的迅速加快，第六代（6G）移动网络将在推动工业智能化、促进高质量经济发展和实现全社会全面数字化转型中发挥关键作用。面对维护和优化现有第五代（5G）移动网络日益增加的复杂性和成本压力，为发挥人工智能（AI）的优势并克服其局限性，6G网络必须从设计之初就融入AI。一方面，原生AI可以按需提供计算能力以及数据和算法支持，在网络整个生命周期中系统地启用AI；另一方面，无线网络的数字孪生（DT）进一步增强了网络模拟、动态预测和性能验证能力，极大地降低了试错成本。将原生AI和DT技术融入6G移动网络的研究令人振奋。6G网络自治的潜在关键技术益处包括：
1. 6G自治网络的架构和部署
架构设计和部署对于更好地支持6G网络的自主性至关重要。基于服务的无线接入网（RAN）架构是一种有前景的方法，它利用AI实现动态资源分配和分层部署，满足多样化的任务需求，同时提高网络灵活性。此外，结合AI与网络数字孪生技术的自主RAN框架可以显著提升网络自主性，使网络具备更强的感知、分析和优化能力。此外，随着大模型技术的兴起，研究其在6G网络中的部署和优化已成为一个新的焦点。
2. DT支持AI学习和6G网络优化
融合AI和DT技术为6G网络带来智能增强，同时也引入新的优化挑战。数字孪生网络的精确建模和未来网络状态预测能力，不仅能够实现通信环境的高保真重构，还能增强网络对动态变化的适应能力。此外，原生AI和DT技术赋能的6G网络中定价策略和任务卸载的协同优化，可以在促进高级别网络自治的同时，优化AI训练过程。
3.利用AI提升6G网络性能
AI技术在提高6G网络性能方面发挥着重要作用。通过优化资源分配和网络配置，AI可以提升系统容量并显著提高通信效率。此外，将DT与AI结合有助于开发更高效的无线网络管理解决方案，促进6G网络的可持续发展。
然而，6G网络自治的未来应用仍面临诸多挑战。在此背景下，《信息与电子工程前沿（英文）》期刊组织了本期"人工智能赋能的数字孪生网络自治"专刊。专刊涵盖了6G网络自治的基本理论、硬件设计、系统架构、算法优化和应用技术，旨在促进业界对6G无线网络架构的共识以及相关技术的标准化和实施。专刊收录8篇论文，包括1篇立意、5篇研究和2篇通讯。
Position Paper: 6G autonomous radio access network empowered by artificial intelligence and network digital twin
Guangyi LIU, Juan DENG, Yanhong ZHU, Na LI, Boxiao HAN, Shoufeng WANG, Hua RUI, Jingyu WANG, Jianhua ZHANG, Ying CUI, Yingping CUI, Yang YANG, Yan ZHANG, Jiangzhou WANG, Ye OUYANG, Xiaozhou YE, Tao CHEN, Rongpeng LI, Yongdong ZHU, Yuanyuan ZHANG, Li YANG, Sen BIAN, Wanfei SUN, Qingbi ZHENG, Zhou TONG, Huimin ZHANG, Zecai SHAO, Jiajun WU, Mancong KANG
DOI: 10.1631/FITEE.2400569 Downloaded: 163 Clicked: 235 Cited: 0 Commented: 0(p.161-213) <Full Text><PPT> 129
1中国移动研究院，中国北京市，100053
2中关村泛联移动通信技术创新应用研究院，中国北京市，100080
3亚信科技（中国）有限公司，中国北京市，100193
4中兴通讯股份有限公司，中国深圳市，518057
5北京邮电大学信息与通信工程学院，中国北京市，100876
6香港科技大学（广州）特斯联"数字世界"联合研究中心，中国广州市，511455
7奥斯陆大学信息工程学院,挪威奥斯陆市，0316
8肯特大学工程与数字艺术学院,英国坎特伯雷，CT2 7NZ
9联发科技（北京）有限公司，中国北京市，100015
10浙江大学信息与电子工程学院，中国杭州市，310058
11之江实验室，中国杭州市，311500
12中信科移动通信技术股份有限公司，中国北京市，100083
摘要：第六代（6G）移动网络将实现数字孪生与泛在智能的社会愿景。与仅专注于通信的第五代（5G）移动网络不同，6G移动网络需要内生支持诸如感知、计算、人工智能（Artificial Intelligence, AI）、大数据和安全等新功能，同时推动一切即服务（Everything as a Service, XaaS）的实现。尽管5G移动网络的部署已经证明网络自动化和智能化能够简化网络运维（Operation and Maintenance, O&M）的流程，但外部功能的增加却导致了服务效率低下和运维成本上升。因此，本研究提出一种6G自治无线接入网（Radio Access Network, RAN）的技术框架，旨在实现高水平的网络自治；该框架融合了云原生、内生AI和网络数字孪生（Network Digital Twin, NDT）的设计理念。首先，我们提出了服务化的架构，用于重新构建RAN的协议栈。这一架构能够按需灵活编排服务和功能，并将其定制为云原生服务。其次，我们构建了内生AI框架，通过编排AI用例所需的通信、AI模型、数据和计算能力，为网络运维的多样化用例提供AI支持。第三，我们引入了数字孪生网络，作为AI算法和神经网络的训练、预验证和调优的虚拟环境。这一环境能够避免AI应用可能给网络运维带来的风险。通过内生AI与NDT的结合，可以构建RAN的闭环管理和优化，进一步促进网络自治的实现。
关键词组：6G；网络自治；内生人工智能；网络数字孪生；服务化无线接入网
Tianjiao CHEN, Xiaoyun WANG, Meihui HUA, Qinqin TANG
DOI: 10.1631/FITEE.2400240 Downloaded: 540 Clicked: 960 Cited: 0 Commented: 0(p.214-229) <Full Text>
1中国移动通信有限公司研究院，中国北京市，100053
2中关村泛联移动通信技术创新研究院，中国北京市，100080
3中国移动通信集团有限公司，中国北京市，100032
4北京邮电大学信息与通信工程学院，中国北京市，100876
摘要：通信网络可以内生地为资源有限的网络实体提供人工智能（AI）训练服务，以快速构建精准的数字孪生并实现高水平的网络自治。考虑到需要数字孪生的网络实体和提供AI服务的网络实体可能属于不同的运营商，可采用激励机制来最大化两者的效用。本文建立了一个斯坦伯格博弈来对内生AI网络中数字孪生的AI训练任务卸载进行建模，其中基站运营商为领导者，资源有限的网络实体为跟随者。本文对斯坦伯格均衡进行分析以获得均衡解，同时考虑到时变的无线网络环境，进一步设计了一种深度强化学习算法来实现动态定价和任务卸载。最后，通过大量仿真实验验证所提方案的有效性。
关键词组：数字孪生网络；内生人工智能；斯坦伯格博弈；任务卸载；深度强化学习
Service decoupling for open and intelligent service-based RAN
Chunjing YUAN, Tong LEI, Ze XUE, Lin TIAN, Shuyuan ZHANG, Na LI, Zhou TONG
DOI: 10.1631/FITEE.2400248 Downloaded: 390 Clicked: 435 Cited: 0 Commented: 0(p.230-245) <Full Text><PPT> 169
1中国科学院计算技术研究所，中国北京市，100190
2中国电信湖北智能云网调度运营中心，中国武汉市，430024
3中科南京信息高铁研究院，中国南京市，210008
4中国移动研究院未来研究院，中国北京市，100053
摘要：任务多样性是未来6G网络面临的最大挑战之一。以任务为中心，用人工智能（artificial intelligence，AI）驱动动态6G RAN（radio access network，无线接入网），精准满足用户的个性化需求。然而，人工智能只能配置单体式RAN的功能参数，无法对功能进行调度。因此，使RAN能力更具动态性和可调度性是6G RAN的发展趋势。本文提出一种基于服务的RAN架构，可以部署解耦的RAN功能，并根据任务进行定制。协议分析表明RAN CP（control plane）功能之间的交互关系复杂，需要按照高内聚低耦合的原则进行解耦。基于图论而非专家经验设计了一种RAN解耦方案。构建无向有权图表示功能连接和交互，通过最小生成树实现功能连接的解耦。考虑到RAN和CN功能的重复和冗余，提出一种RAN-CN集成解耦方案。分析解耦的灵活性、信令的复杂性和处理延迟，实验发现将RAN控制面解耦为4个服务更为合适。RAN-CN的集成解耦解决了Ng接口串行效率低的技术瓶颈，可实现全服务化6G，支持基于AI的全局功能调度。
关键词组：服务解耦；开放智能；服务化RAN；图论；全服务化6G网络
Yihong TAO, Bo LEI, Haoyang SHI, Jingkai CHEN, Xing ZHANG
DOI: 10.1631/FITEE.2400327 Downloaded: 647 Clicked: 1122 Cited: 0 Commented: 0(p.246-259) <Full Text><PPT> 126
1北京邮电大学无线信号处理与网络实验室，中国北京市，100876
2中国电信研究院，中国北京市，102209
摘要：随着卫星通信技术的发展，将卫星网络和地面网络相融合的星地融合网络能实现全球无缝覆盖的通信服务。面对网络动态复杂性、资源异构性和用户移动不可预测性，网络动态资源分配面临巨大挑战。数字孪生（DT）作为一项新兴技术，可以将物理网络映射到虚拟网络，以此对物理网络进行监测、分析和优化。然而，在构建DT模型的过程中，DT的部署位置和资源分配可能会对其性能产生不利影响。因此，提出一种星地融合网络模型，通过在星地融合网络的多层节点中部署DT，缓解传统边缘网络单层部署灵活性不足的问题。为解决网络中DT的部署挑战，提出在星地融合网络中进行多层DT部署以降低系统延迟。然后，采用多智能体强化学习（MARL）算法寻找DT多层部署问题的最优解。仿真结果表明，该方案能够有效降低系统延迟。
关键词组：数字孪生；星地融合网络；部署；多智能体强化学习
Jialin WANG, Jianhua ZHANG, Yutong SUN, Yuxiang ZHANG, Tao JIANG, Liang XIA
DOI: 10.1631/FITEE.2400464 Downloaded: 536 Clicked: 815 Cited: 0 Commented: 0(p.260-277) <Full Text><PPT> 149
1北京邮电大学网络与交换技术国家重点实验室，中国北京市，100876
2中国移动研究院，中国北京市，100053
摘要：数字孪生信道作为数字孪生网络的底层基础，能够准确描述空口传输中的电磁波传播，从而支持基于数字孪生网络的6G无线网络。电磁波传播受环境影响，因此建立环境与电波传播之间的关系是实现数字孪生信道的关键。在现有方法中，输入到神经网络的环境信息是多维的，环境与信道之间的关联关系不明确，导致关系构建过程高度复杂。为解决这一问题，本文提出一种基于电磁波特性启发的通用的无线环境知识（REK）构建方法，以利用容易获取的位置信息量化电磁波传播贡献。提出一种有效的基于随机几何的散射体确定方法，在完全空旷、即将遮挡和完全遮挡的情况下，分别减少90%、87%和81%的环境信息冗余度。此外，基于一个采用简单的两层卷积结构的轻量级卷积神经网络进行路径损耗预测，以验证REK的有效性。结果表明，在预测误差为0.3时，仅需4 ms测试时间，有效降低了网络复杂度。
关键词组：数字孪生信道；无线环境知识库；无线信道；环境信息；可解释的无线环境知识构建；基于人工智能的知识验证
Yuxuan CHEN, Rongpeng LI, Xiaoxue YU, Zhifeng ZHAO, Honggang ZHANG
DOI: 10.1631/FITEE.2400468 Downloaded: 538 Clicked: 945 Cited: 0 Commented: 0(p.278-292) <Full Text><PPT> 96
1浙江大学信息与电子工程学院，中国杭州市，310027
2之江实验室，中国杭州市，310012
摘要：在边缘计算环境中优化大型语言模型（LLMs）的部署对提升隐私保护和计算效率至关重要。为实现高效的无线LLM推理，本文全面分析了主流开源LLMs中不同分割点的影响。本文引入一个基于模型的强化学习（MBRL）框架，以确定边缘和用户设备（UE）之间的最佳分割点。通过引入奖励替代模型，该方法显著减少了频繁的性能评估的计算成本。广泛的仿真结果表明，该方法在不同网络条件下有效地平衡了推理性能和计算负载，为去中心化环境中LLM的部署提供稳健的解决方案。
关键词组：大型语言模型；边缘计算；基于模型的强化学习；分裂推理；Transformer模型
Correspondence: A unified data collection framework based on the data plane for 6G
Yannan YUAN, Fei QIN, Jiankang LIU, Yuanyuan WANG, Jianan CAI, Xiang PAN, Dajie JIANG
DOI: 10.1631/FITEE.2400247 Downloaded: 258 Clicked: 360 Cited: 0 Commented: 0(p.293-300) <Full Text><PPT> 116
维沃移动通信有限公司，中国北京市，100083
摘要：5G为不同用例提供了不同的数据收集方法，其中一些用例由于缺乏数据提供者而面临挑战。针对单个用例的碎片化解决方案标准开销高，并可能导致重复收集数据。此外，现有数据收集方法不适合收集内生智能和感知等6G新功能所需的大量数据。因此，本文提出一种基于6G数据面的统一数据收集框架。通过数据面协议栈和双端数据收集模式，所提出的统一数据收集框架更适合收集大量数据。基于6G用户设备原型的测试结果验证了数据面在上行链路处理时间上的增益。随着数据包长度的增加，数据面协议栈在用户设备上行链路处理延迟方面的优势变得更加显著。通过奖励或数据交换的方式，双端数据收集模式提高了数据提供者提供数据的意愿。双端数据收集模式使数字孪生用户设备成为可能。数字孪生用户设备可以重用物理网络中的大量用户设备，从而减少数字孪生网络产生的基础设施资源开销并提高性能。因此，统一数据收集框架提供了广泛的数据功能，以充分发挥6G系统的潜力。
关键词组：统一的数据收集框架；数据面；协议栈；双端数据收集模式；数字孪生
Correspondence: TSNet: a foundation model for wireless network status prediction in digital twins
Siyao SONG, Guoao SUN, Yifan CHANG, Nengwen ZHAO, Yijun YU
DOI: 10.1631/FITEE.2400295 Downloaded: 289 Clicked: 357 Cited: 0 Commented: 0(p.301-308) <Full Text><PPT> 116
华为技术有限公司，中国深圳市，518129
摘要：预测网络未来状态是数字孪生网络的一个关键能力，可帮助运维人员估计网络性能变化，以提前采取相关操作。现有预测方法--包括统计方法、机器学习方法和深度学习方法--在泛化能力和训练数据依赖上存在诸多限制。为解决这些问题，受自然语言处理和计算机视觉领域预训练与微调框架启发，提出一个基于Transformer的基础模型TSNet，用于预测多样化的网络性能指标。为了利用Transformer架构更好地建模时间序列，引入频域注意力机制和时序分解。此外，设计了一种轻量的微调策略，使TSNet可以快速泛化到新数据或新场景。实验结果表明，基于零样本的TSNet预测（无需任何训练数据）表现优于有监督的基线方法。使用少样本的微调策略，预测准确性可进一步提升。整体而言，TSNet在多种数据上表现出较高的准确性和泛化能力。
关键词组：数字孪生；通信网络；基础模型；网络状态预测