SAICOM
Research Project, 2022
– 2027
I framtida generationer av den öppna standarden för radionätverk, Open Radio Access Networks (O-RAN), kommer data delas mellan många trådlösa enheter. Artificiell intelligens (AI) kommer i denna miljö att stöta på nya utmaningar på grund av (i) enheternas begränsade beräkningskraft, bandbredd och energiresurser, (ii) spridning av mjukvara och data över många enheter, och (iii) krav på integritet och säkerhet. Nuvarande AI som lånas från robotik, datorseende eller tal- och textigenkänning är inte tänkt att möta sådana utmaningar. Detta kräver ett nytt ramverk där AI och trådlösa nätverk utvecklas i symbios. Syftet med SAICOM är att bidra till utvecklingen av ett sådant ramverk, med focus på trådlösa mjukvarustyrda nätverk och applikationer som är beroende av tillförlitligheten på de trådlösa anslutningarna. För att nå detta ambitiösa mål så introducerar SAICOM ett forskningsprogram med tre huvudpelare: AI för applikationslagret och algoritmer för O-RAN; AI för O-RAN mjukvarubaserad-protokoll som har stor inverkan på applikationslagret; och utveckling av en fullständig AI-mjukvarupipeline för AI över och inom O-RAN. SAICOM siktar på att åstadkomma banbrytande resultat direkt som kommer våra samarbetspartners (Ericsson, Hitachi-ABB, Volvo Cars, Electrolux, CEVT, AI Sweden och Stockholms stad) till godo. Således kommer SAICOM att bidra till skapandet av nya AI-tjänster för flera tillämpningar, såsom transport, smarta nät, smarta byggnader och smarta städer.
Artificiell intelligens (AI) förväntas ha stora effekter inom trådlösa nätverk och uppnå samma AI-revolution som inom robotik, datorsyn, tal- och textanalys. I smarta städer som övervakas av trådlösa nätverk kan till exempel AI kraftigt minimera fordons energiförbrukning, minska miljöföroreningar eller minimera trafikolyckor. För att uppnå allt detta krävs dock (i) en stor mängd välformaterad och aktuell data, insamlad på en central enhet där beslut av automatisk programvara eller om nätverkshantering tas, samt (ii) tillräckliga beräkningsresurser i de flesta trådlösa nätverksenheter. Är detta realistiskt? Svaret är tyvärr nej. När vi försöker använda AI i trådlösa nätverk står vi inför formidabla och i stort sett olösta metod- och mjukvaruutmaningar. I trådlösa nätverk kommer datauppsättningar av valfri storlek och kvalitet att produceras av distribuerade enheter, som i allmänhet inte kan utföra toppmoderna AI-beräkningar eller kan dela data över nätverk på grund av programvara, energi-, beräknings- och bandbreddsbegränsningar och säkerhets- och integritetsfrågor. De toppmoderna AI-metoderna och algoritmerna belastar offentliga trådlösa nätverk. Användningen av toppmoderna AI-lösningar som lånats från robotik, datorsyn eller tal- och textanalys, omedvetna om de trådlösa nätverkets egenskaper, kommer att leda till ineffektiva implementeringar med medioker prestanda om vi inte i grunden avancerar AI-metoder och programvara som är specifikt designade för trådlösa system. För att ta itu med sådana nödvändiga framsteg föreslår SAICOM - Software Artificial Intelligence for Communications - att genomföra en forskningsplan där AI, programvara och trådlösa nätverk kommer att undersökas i symbios. SAICOM fokuserar på accessprotokoll vid de låga lager och tjänsterna i applikationslager som är särskilt känsliga för de låga lagers prestanda. Till detta tillhör nästan alla mobilapplikationer, tjänster för autonoma fordon, smarta nät och övervakningssystem inom smarta städer. Därför kommer SAICOM att svara på ett av de mest angelägna behoven i den nuvarande tekniska revolutionen. SAICOM har sammanställt ett multidisciplinärt (mjukvara, AI och trådlöst) team i världsklass med kompletterande vetenskaplig expertis på Chalmers, KTH och Göteborgs universitet. Projektet kommer att utföras i nära samarbete med bland annat industriella (Ericsson, Volvo Cars, Electrolux, Hitachi-ABB, CEVT, AI Sweden) och institutionella partners (KTH Innovation, Stockholm Stads).
Participants
Giuseppe Durisi (contact)
Chalmers, Electrical Engineering, Communication, Antennas and Optical Networks
Collaborations
Royal Institute of Technology (KTH)
Stockholm, Sweden
University of Gothenburg
Gothenburg, Sweden
Funding
Swedish Foundation for Strategic Research (SSF)
Project ID: FUS21-0004
Funding Chalmers participation during 2022–2027
Related Areas of Advance and Infrastructure
Sustainable development
Driving Forces