无线系统的自动 AI 模型选择：基于数字孪生的在线学习
机器学习
2024-10-22 v2 信息论
网络与互联网体系结构
信号处理
math.IT
摘要
在现代无线网络架构中，如 O-RAN，人工智能 (AI) 应用程序部署在智能控制器上，用于执行诸如调度或功率控制等功能。AI "应用程序"的选择基于上下文信息，如网络条件、拓扑结构、流量统计数据和设计目标。在没有任何当前数据的情况下，仅利用上下文信息即可完成 AI 模型参数与上下文之间的映射，这就是所谓的零射击方式自动模型选择 (AMS) 映射。本文引入了一种通用的 AMS 映射在线优化方法。优化 AMS 映射具有挑战性，因为它需要暴露于来自许多不同上下文中收集的数据。因此，如果在线执行，这一初始优化阶段将极其耗时。一种可能的解决方案是利用物理系统的数字孪生体生成来自多个模拟上下文的合成数据。然而，鉴于数字孪生体中的模拟器是不完美的，直接使用模拟数据来优化 AMS 映射将在实际系统中导致性能不佳。本文提出了一种 novel 方法，用于通过有限的来自物理系统收集的真实数据来纠正数字孪生体模拟器的偏差，从而实现 AMS 映射的在线优化。实验结果表明，针对基于图神经网络的功率控制应用程序，所提出的方法具有显著优势。
引用
@article{arxiv.2406.15819,
title = {Automatic AI Model Selection for Wireless Systems: Online Learning via Digital Twinning},
author = {Qiushuo Hou and Matteo Zecchin and Sangwoo Park and Yunlong Cai and Guanding Yu and Kaushik Chowdhury and Osvaldo Simeone},
journal= {arXiv preprint arXiv:2406.15819},
year = {2024}
}
备注
submitted for a journal publication