学习无线数据知识图谱以实现绿色智能通信：方法与实验

智能通信在塑造6G网络的演进中发挥了关键作用。绿色通信系统中的原生人工智能必须满足严格的实时性要求。为此，需要部署轻量级且资源高效的AI模型。然而，无线网络在运行过程中会产生大量数据字段和指标，其中只有一小部分对网络AI模型有显著影响。因此，通信系统的实时智能高度依赖于一小部分对网络AI模型性能有深刻影响的关键数据。这些挑战凸显了对创新架构和解决方案的需求。本文提出了一种称为普适多级（PML）原生AI架构的解决方案，该架构将知识图谱（KG）的概念融入移动网络的智能操作中，从而建立了无线数据KG。利用无线数据KG，我们表征了从无线通信网络收集的海量复杂数据，并分析了各数据字段之间的关系。所获得的数据字段关系图能够按需生成最小且有效的数据集（称为特征数据集），以满足特定应用需求。因此，该架构不仅增强了AI训练、推理和验证过程，还显著减少了通信网络的资源浪费和开销。为实现该架构，我们开发了一个具体解决方案，包括一个时空异构图注意力神经网络模型（STREAM）以及一个特征数据集生成算法。通过实验验证了所提架构的有效性。