返回
Network Data-Knowledge Engine: Supporting 6G Endogenous Intelligence With Digital Twin
DOI:10.1109/MNET.2025.3575318.png)
摘要
En 中文
随着5G蜂窝系统的快速发展,产业界和学术界正聚焦于探索6G通信,特别是在人工智能(AI)的支持下,这促使了关于AI技术与未来无线通信融合的热烈讨论。预计6G将高度依赖AI,以在大型异构网络中实现数据驱动和知识驱动的解决方案,从而实现6G的内源性智能。为此,数字孪生(DT)技术可以作为释放未来6G网络全部潜力的强大赋能者。本文介绍了一种六维数字孪生框架,通过集成AI技术与DT来支持6G的内源性智能。我们基于上述DT框架提出了一种自适应性分层数字孪生网络(SAHDTN),以实现6G网络的自优化。此外,我们融入了多项关键技术以支持内源性智能,包括由集体强化学习驱动的网络数据-知识引擎、迁移学习和知识图谱。
Keyword:
6G
endogenous intelligence
data-knowledge engine
digital twin
collective reinforcement learning
transfer learning
knowledgegraph
blockchain
期刊
IF:
6.3
论文数:
2.7K
被引数:
1.1W
机构
引用论文
Federated Deep Reinforcement Learning for Task Offloading in Digital Twin Edge Networks用于数字孪生边缘网络中任务卸载的联合深度强化学习
DT-SFC-6G: Digital Twins Assisted Service Function Chains in Softwarized 6G Networks for Emerging V2X
IEEE NETWORK
IF6.3
Resource-Efficient Federated Learning and DAG Blockchain With Sharding in Digital-Twin-Driven Industrial IoT资源高效的联邦学习和DAG区块链,在数字孪生驱动的工业物联网中进行分片
Digital Twin Empowered Heterogeneous Network Selection in Vehicular Networks With Knowledge Transfer基于知识转移的车载网络中数字孪生异构网络选择

