面向移动网络的未来兼容性：基于数字孪生体的多信号管理

数字孪生体(DT)正被设定为未来无线网络中的关键关键技术，其在网络管理中的应用正显著增加。我们开发了一个 DT 框架，利用网络接入技术的异构性作为增强网络性能和管理的资源，实现对物理网络中智能数据处理。该框架在校园区域网络环境中进行测试，集成了多样化的数据源，为网络性能和环境感知提供实时、整体性的见解。我们还设想，传统分析将演变为依赖新兴人工智能模型，如生成式人工智能(GenAI)，同时利用当前分析能力。这种能力可以通过高级机器学习模型简化分析过程，实现描述性、诊断性、预测性和处方性分析的统一。最后，我们提出具体的研究机会，涉及互操作性方面，并设想将 DT 技术的进展与演进的人工智能集成相结合。