Core Concepts
無線通信ネットワークから収集される大量のデータの中から、ネットワークAIモデルの性能に大きな影響を与える重要なデータ項目を特定し、最小限の効果的なデータセットを生成することで、リアルタイムかつグリーンな知的ネットワーク制御を実現する。
Abstract
本論文では、無線データナレッジグラフ(Wireless Data Knowledge Graph)を活用したパーベイシブ・マルチレベル(Pervasive Multi-Level, PML)ネイティブAIアーキテクチャを提案している。このアーキテクチャでは、無線通信ネットワークから収集される大量のデータの中から、ネットワークAIモデルの性能に大きな影響を与える重要なデータ項目を特定し、最小限の効果的なデータセット(feature dataset)を生成する。
具体的には以下の手順で実現される:
無線データナレッジグラフの構築: 無線通信ネットワークから収集されるデータの関係性を表すナレッジグラフを構築する。時間的・空間的な特徴を考慮したグラフニューラルネットワークモデル(STREAM)を開発し、ナレッジグラフの構築と動的な更新を行う。
重要データ項目の特定: 構築したナレッジグラフを活用して、ネットワークKPIに大きな影響を与える重要なデータ項目を特定する。ノード間の関係性の度合いを評価し、KPIに対する影響度の高い項目を抽出する。
最小限の効果的なデータセットの生成: 特定した重要データ項目のみからなる最小限の効果的なデータセットを生成する。データの適合度と圧縮率のバランスを取ることで、リソースを最小限に抑えつつ、ネットワークAIの性能を維持する。
この手法により、大量のデータ収集と処理を必要とする従来のアプローチに比べ、データ量とコンピューティングリソースを大幅に削減しつつ、リアルタイムかつグリーンな知的ネットワーク制御を実現できる。実験結果により、提案手法の有効性が示されている。
Stats
PHY_throughput: 11072936 bit, 11549200 bit, 12024312 bit, 11072936 bit, 12024312 bit
nr_total_txpower: 2, 1, 2, 3, 4
prb_num_ul_s: 12, 14, 13, 17, 14
Quotes
"無線通信ネットワークから収集される大量のデータの中から、ネットワークAIモデルの性能に大きな影響を与える重要なデータ項目を特定し、最小限の効果的なデータセットを生成することで、リアルタイムかつグリーンな知的ネットワーク制御を実現する。"
"提案手法により、大量のデータ収集と処理を必要とする従来のアプローチに比べ、データ量とコンピューティングリソースを大幅に削減しつつ、リアルタイムかつグリーンな知的ネットワーク制御を実現できる。"