孙耀华,王则予,袁 硕,彭木根
(北京邮电大学 网络与交换技术国家重点实验室,北京100876)
面对交互式无线虚拟/增强现实、人机协同作业、全景高清视频直播等新型应用以及沙漠、海洋等多样场景下的通信需求,第六代(The Sixth Generation,6G)移动通信将呈现“空天地”融合通信[1]、全频谱接入[2]、异构超密集组网[3]、云边协同[4]等特征,但也将导致网络优化和管理难度急剧增大。 此外,为了便于移动通信专网与生产制造、交通运输、能源电力等垂直行业深度融合,网络配置和运维方式亟需简化。 在此背景下,业界提出引入人工智能(Artificial Intelligence,AI),利用其强大的预测、决策能力构建智能内生的6G 网络[5]。
文献[6]针对数据驱动的深度学习(Deep Learning,DL)导致的计算密集以及训练时间长等问题,总结了模型驱动的DL 方法在物理层通信中的应用和优势; 文献[7]将AI 视作实现网络资源优化的关键技术,介绍了AI技术在移动宽带、 触觉网络以及无人机网络等多个场景下的应用;文献[8]回顾了深度强化学习(Deep Reinforcement Learning,DRL)方法,深入调研了DRL 在通信和组网中的应用,涉及无线缓存、网络接入等;文献[9]按照MAC 层、 网络层以及应用层对有关研究进行了梳理总结,提炼了AI 应用于无线网络的动机和面临的挑战。
前述文献均侧重基于AI 的网络性能增强方法,但如何从架构设计角度使能网内AI 能力,从而更好地支持AI 机制的实施仍有待进一步探索。为此,本文接下来将对目前标准化组织、公司和学术界所提智能内生网络架构进行梳理总结,基于此给出一般性的架构特征,接着将探讨智能内生6G 架构的典型用例, 最后给出相关挑战并总结全文。……