banner.jpg)
近日，在ITU主辦的ITU AI/ML in 5G Challenge比賽上，中興通訊提出的數(shù)據(jù)模型在真實(shí)大規(guī)模網(wǎng)絡(luò)中獲得MAPE（Mean Absolute Percentage Error, 平均絕對百分比誤差）=1.85成績，相比未采用算法優(yōu)化的測試結(jié)果（MAPE>300）有明顯提升，并因此獲得2021圖神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)賽（Graph Neural Networking Challenge 2021）第三名，該挑戰(zhàn)賽是AI/ML in 5G Challenge系列賽之一，由加泰羅尼亞理工大學(xué)巴塞羅那神經(jīng)網(wǎng)絡(luò)中心承辦。
圖神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)賽是利用圖神經(jīng)網(wǎng)絡(luò)構(gòu)建一個規(guī)�；臄�(shù)字孿生，并利用圖神經(jīng)網(wǎng)絡(luò)的算法達(dá)到網(wǎng)絡(luò)性能仿真的目的。網(wǎng)絡(luò)數(shù)字孿生的傳統(tǒng)技術(shù)存在計(jì)算成本高和仿真精度無法平衡的問題。圖形神經(jīng)網(wǎng)絡(luò)是目前唯一能夠?qū)崿F(xiàn)兩者平衡的機(jī)器學(xué)習(xí)技術(shù)，它可以在低計(jì)算資源需求下，提供更高的仿真精度，同時更容易實(shí)現(xiàn)實(shí)驗(yàn)室網(wǎng)絡(luò)訓(xùn)練結(jié)果在真實(shí)網(wǎng)絡(luò)的部署。
圖神經(jīng)網(wǎng)絡(luò)在數(shù)字孿生網(wǎng)絡(luò)應(yīng)用中的難點(diǎn)在于，用于機(jī)器學(xué)習(xí)訓(xùn)練的小規(guī)模網(wǎng)絡(luò)的性能指標(biāo)與真實(shí)大規(guī)模網(wǎng)絡(luò)的性能指標(biāo)誤差很大。因此，小規(guī)模網(wǎng)絡(luò)中得到的訓(xùn)練模型難以應(yīng)用于現(xiàn)實(shí)網(wǎng)絡(luò)。此次挑戰(zhàn)賽中，中興通訊利用在不同規(guī)模的網(wǎng)絡(luò)中“端口利用率”值域范圍相近的原理，把模型的預(yù)測變量從時延變更為“端口利用率”，通過端口利用率與時延的關(guān)系，推算出時延，從而解決值域范圍不同的問題，從而極大提升了小規(guī)模網(wǎng)絡(luò)訓(xùn)練模型的預(yù)測精度。
中興通訊已將該技術(shù)納入網(wǎng)絡(luò)自愈和業(yè)務(wù)快速開通研究規(guī)劃，以此來提升網(wǎng)絡(luò)自愈和業(yè)務(wù)開通的可靠性，并在此算法的原理基礎(chǔ)上發(fā)展網(wǎng)絡(luò)自動化優(yōu)化算法，使智能化管控系統(tǒng)能夠根據(jù)網(wǎng)絡(luò)當(dāng)前的狀態(tài)和用戶需求，推薦最能滿足用戶需要的網(wǎng)絡(luò)配置方案。中興通訊將持續(xù)利用AI及ML技術(shù)為所有客戶提供更智能、高效、便捷的通信網(wǎng)絡(luò)。
