GAI驱动的数字孪生网络

高保真数据生成

首次引入生成式人工智能作为数字孪生的数据引擎，隐式学习网络数据分布并按条件生成，灵活适配动态场景。

Chai, Haoye · Wang, Huangdong · Li, Tong · 王昭诚

IEEE Network 2024

技术优势

分布学习代替逐项建模

GAI隐式学习网络数据的复杂分布，直接采样生成高保真数据，而不是分别对各网元建模再拼接。

条件生成适配场景

利用环境、用户、服务等多类数据作为条件控制生成过程，同一套框架能适应不同场景。

原型系统已验证

已实现网络数字孪生原型系统，可准确建模移动用户、基站和无线环境的行为并评估网络性能。

应用场景

• 6G网络：为6G网络设计提供虚实映射的数据基础，支撑动态场景下的网络规划与优化。
• AI赋能通信：用生成模型提升通信系统数据处理能力，替代传统统计模型生成缺失数据。
• 网络优化：生成的高保真数据可用于性能评估，为网络优化提供实用解决方案。