Plan Szkolenia

Podstawy: Zbieżność cyfrowych bliźniaczych i 6G

  • Koncepcje cyfrowych bliźniaczych zastosowane w sieciach telekomunikacyjnych
  • Klasy usług 6G i wymagania motywujące użycie bliźniaczych
  • Źródła danych, poziomy wierności i zarządzanie cyklem życia bliźniaczych

Modelowanie komponentów 6G i środowisk

  • Reprezentacja elementów RAN, front/mid/backhaul oraz obliczeń na skraju w modelach bliźniaczych
  • Rozważania dotyczące modelowania kanałów, propagacji i THz/mmWave
  • Czasowa granularność i synchronizacja między warstwami cyfrowymi i fizycznymi

Architektury symulacji & ko-symulacji

  • Samodzielna symulacja vs ko-symulacja z rzeczywistymi danymi telemetrycznymi sieci
  • Ns-3, Unity i łańcuchy narzędzi emulacji do testów integracyjnych
  • Strategie skalowalności dla dużych scenariuszy bliźniaczych

Techniki optymalizacji opartej na AI

  • Nadzorowane i uczenie przez wzmocnienie do zarządzania zasobami radiowymi
  • Uczenie online, transferowe i adaptacja domeny dla transferu bliźniaczych do pola
  • Przepływy pracy kontrolowane w pętli zamkniętej i wzorce wdrażania zasad

Telemetria w czasie rzeczywistym, wnioskowanie i pętle zwrotne

  • Architektury telemetrii strumieniowej i rozmieszczenie wnioskowania o niskiej opóźnieniu
  • Zasady trade-off między wnioskowaniem na skraju a w chmurze oraz partycjonowanie modelu
  • Projektowanie bezpiecznych pętli zwrotnych i kontroli z udziałem człowieka

Wierność, walidacja & kwantyfikacja niepewności w cyfrowych bliźniaczych

  • Metryki wierności bliźniaczych i metody walidacji
  • Techniki kwantyfikowania i łagodzenia niepewności modelu
  • Użycie cyfrowych bliźniaczych do weryfikacji SLA i zapewnienia wydajności

Orchestracja, automatyzacja & operacje oparte na intencjach

  • Integracja bliźniaczych z płaszczyznami orchestracji i interfejsami API opartymi na intencjach
  • CI/CD i potoki testowe dla modeli bliźniaczych i artefaktów ML
  • Silniki zasad i strategie automatycznego rozwiązywania problemów

Bezpieczeństwo, prywatność & zaufanie w sieciach opartych na bliźniaczych

  • Zarządzanie danymi, modelowanie zachowawcze prywatności i federacyjne podejście do bliźniaczych
  • Modele zagrożeń dla synchronizacji bliźniaczych i integralności modelu
  • Audyt, pochodzenie i wyjaśnialność decyzji opartych na AI

Studia przypadków i zastosowania w domenie

  • Automatyzacja przemysłowa i sieciowe cyfrowe bliźniacze dla produkcji
  • Mobilność, systemy autonomiczne i weryfikacja usług XR
  • Przykłady operacyjne przewidywania konserwacji i planowania pojemności

Ćwiczenia praktyczne i mini-projekt

  • Tworzenie małej skali cyfrowego bliźniaczego segmentu RAN za pomocą ns-3 i silnika wizualizacyjnego
  • Trenowanie lekkiego modelu ML do wykrywania anomali przy użyciu danych wygenerowanych przez bliźniacze
  • Implementacja testu w pętli zamkniętej: telemetria → wnioskowanie modelu → zmiana zasad w symulacji

Podsumowanie i dalsze kroki

Wymagania

  • Doświadczenie w telekomunikacji, RAN lub inżynierii sieciowej rdzenia
  • Znajomość narzędzi symulacyjnych lub emulacji sieciowej
  • Praktyczna znajomość Pythona i podstawowych koncepcji uczenia maszynowego

Widownia

  • Inżynierowie telekomunikacyjni i architekci sieci skupieni na sieciach nowej generacji
  • Inżynierowie AI/ML pracujący nad optymalizacją sieci i aplikacjami cyfrowych bliźniaczych
  • Inżynierowie badawczy i specjaliści symulacji badający przypadki zastosowania 6G
 21 godzin

Liczba uczestników


Cena za uczestnika

Propozycje terminów

Powiązane Kategorie