Курс за обучение по ИИ и цифрови близни в 6G мрежите

Основи: Цифрови близни и конвергенция с 6G

• Концепции за цифрови близни, приложени в телекомуникационни мрежи
• Класове услуги и изисквания за 6G, които мотивират използването на близни
• Източници на данни, нива на вярност (fidelity) и управление на жизнения цикъл на близните

Моделиране на 6G компоненти и среди

• Представяне на елементи на RAN, fronthaul/midhaul/backhaul и edge изчисления в модели на близни
• Разглеждане на канали, разпространение и моделиране на THz/mmWave
• Временна гранулярност и синхронизация между цифровия и физическия слой

Архитектури за симулация и ко-симулация

• Самостоятелна симулация срещу ко-симулация с реална мрежова телеметрия
• Ns-3, Unity и инструменти за емулация за интегрирани тестове
• Стратегии за мащабиране за сценарии с големи близни

Техники за оптимизация, нативни за ИИ

• Учене под надзор и учене с подсилване (reinforcement learning) за управление на радиоресурсите
• Учене в реално време, трансферно учене и адаптация на областта за преход от близни към терен (twin-to-field)
• Workflows за контрол с затворен цикъл и модели за внедряване на политики

Телеметрия, инференция и обратна връзка в реално време

• Архитектури за стрийминг на телеметрия и разположение на инференция с ниска латентност
• Компромиси между edge и cloud инференция и разделяне на модели
• Проектиране на безопасни цикли на обратна връзка и контрол с човешко участие (human-in-the-loop)

Вярност, валидиране и квантуване на несигурността на цифровите близни

• Метрики за точност на близките и методологии за валидиране
• Техники за квантуване и смекчаване на несигурността на моделите
• Използване на цифрови близни за валидиране на SLA и гарантиране на ефективността

Оркестрация, автоматизация и операции, базирани на намерения

• Интегриране на близни с равнища на оркестрация и API-та, базирани на намерения
• CI/CD и конвейери за тестване на модели на близни и артефакти за машинно обучение
• Двигатели за политики и стратегии за автоматично отстраняване на проблеми

Сигурност, поверителност и доверие в мрежите с цифрови близни

• Управление на данни, моделиране, запазващо поверителността, и федерирани подходи за близни
• Модели за заплахи за синхронизацията на близните и целостта на моделите
• Аудит, произход (provenance) и обяснимост (explainability) за решенията, водени от ИИ

Кейс студии и прилагане в различни области

• Индустриална автоматизация и мрежови цифрови близни за производството
• Мобилност, автономни системи и валидиране на услуги за XR
• Операционни примери за предиктивна поддръжка и планиране на капацитета

Практически лаборатории и мини-проект

• Изграждане на мащабна цифрова близна на сегмент на RAN, използвайки ns-3 и визуализиращи двигател
• Обучаване на лекка модел за машинно обучение за откриване на аномалии, използвайки данни от близната
• Имплементиране на тест с затворен цикъл: телеметрия → инференция на модел → промяна на политиката в симулацията

Резюме и следващи стъпки