Il progetto strutturale di RESTART S3 – Netwin mira a sfruttare la sinergia tra intelligenza artificiale (AI) e reti in due direzioni:
- valutare come il machine learning (ML) possa guidare la progettazione di moderne reti autonome e gestire in modo efficiente la loro complessità;
- valutare come le reti possano promuovere la diffusione pervasiva di servizi intelligenti sensibili ai ritardi e ai vincoli energetici, con particolare attenzione alle strategie di ML distribuite eseguite nell’edge cloud.
Netwin promuove un cambiamento di paradigma da un approccio convenzionale basato su Shannon, fondamentalmente preoccupato del recupero affidabile di ogni bit trasmesso, a un approccio orientato agli obiettivi, in cui ciò che conta è il significato trasmesso dai bit o la realizzazione dell’obiettivo alla base della comunicazione.
Netwin fa parte dello Spoke 8 – Intelligent and Autonomous Systems
PI di progetto: Sergio Barbarossa
- Il primo sforzo collaborativo di NETWIN è stato l'identificazione dei principali scenari di interesse e delle relative architetture. I risultati di questa attività sono stati raccolti nella prima milestone, prodotta alla fine di giugno 2023.
- NETWIN ha proposto nuove architetture per comunicazioni semantiche e orientate agli obiettivi, al fine di identificare e trasmettere solo ciò che è rilevante e, dal lato del destinatario, recuperare la semantica del messaggio trasmesso, tenendo esplicitamente conto dell'obiettivo della comunicazione.
- NETWIN si è concentrato anche sulle architetture di rete zero-touch completamente automatizzate, con particolare attenzione alla rete core 5G (5GC), lavorando sulla validazione sperimentale dei risultati teorici ottenuti nella prima fase del progetto, concentrandosi sull'implementazione di applicazioni a microservizi nell'edge cloud.
- NETWIN ha lavorato su meccanismi di apprendimento distribuito, da implementare nell'edge cloud, con l'obiettivo di abilitare servizi a bassa latenza e migliorare l'efficienza della rete.
- Architetture di comunicazione semantica innovative, basate su modelli generativi profondi come gli autoencoder variazionali e i modelli di diffusione probabilistica.
- Implementazione di applicazioni a microservizi nell'edge cloud utilizzando Kubernetes multi-cluster
- Valutazione dei vantaggi dell'utilizzo di modelli di intelligenza artificiale per ottimizzare la potenza di trasmissione, la selezione del canale e altri parametri del livello PHY e MAC.
- Un nuovo modello di flusso di rete cloud per l'ottimizzazione di applicazioni a microservizi, valido per topologie di rete arbitrarie e in grado di calcolare con precisione la latenza del servizio end-to-end
- Posizionamento dei servizi e instradamento delle richieste, compresa la disaggregazione dei servizi e delle funzionalità di rete.
- Tecniche di apprendimento rinforzato multi-agente per politiche di controllo dinamiche da utilizzare per l'instradamento con vincolo di ritardo di applicazioni sensibili al ritardo
- Nuove architetture basate sull'apprendimento multisensore per la previsione e l'inferenza cooperativa in sistemi dinamici parzialmente sconosciuti su reti di sensori
- Università di Roma, Tor Vergata,
- Università di Firenze
- Università di Napoli Federico II
- Università di Roma Sapienza
- Fondazione Ugo Bordoni
- Hewlett Packard Enterprise (HPE)
- Dr. Eleonora Grassucci ha sottomesso un articolo alla Special Session di ICASSP 2024, Seoul, South Korea, intitolato “Generative Semantic Communication: How Generative Models Enhance Semantic Communications”, that has been accepted.
- La Prof.ssa Antonia Tulino ha tenuto una conferenza plenaria dal titolo “A service-driven networkevolution: from communications, to content distribution, to ubiquitous computation”, all’IEEE International Symposium on Information Theory, 30 giugno 2023.
- Il Prof. Sergio Barbarossa ha tenuto un discorso su invito dal titolo "Semantic and Goal-Oriented Communications: From Adaptive Generative Models to Optimal Resource Allocation", al Huawei Strategy and Technology Workshop, Monaco, 26 ottobre 2023.
- Publications
• Expected: >= 36 publications in 36 months
• Accomplished: 18 (7 journal publications + 11 conference publications)
• Readiness: 100% - Joint Publications
• Expected: >=12 (30% joint publications in 36 months)
• Accomplished: 0
• Readiness: 0% (joint collaborations have just started, joint publications will follow) - Talks/Communication events
• Expected: 10 talks or event chairing/organizing within NETWIN activities in 36 months
• Accomplished: > 10 (6 invited talks, 1 special session at IEEE ICASSP 2024, 2 talks at RESTART General Meetings, and 11 conference presentations)
• Readiness: >100% - Demo/PoC
• Expected: 3 PoCs expected by the end of the project
• Accomplished: 0
• Readiness: 0% (activity started only in March, with the inclusion of new partners that joined the consortium through the cascade calls) - Project Meetings
• Expected: > 12 meetings
• Accomplished: 5 plenary project meetings + several WP meetings
• Readiness:100% - Patents/Innovations
• Expected: 4 items over 36 months
• Accomplished: 0 items submitted to mission 7
• Readiness: 0%
M1.1- Scenarios and Architectures - Intermediate report First report on identification of use cases
30/06/23 achieved
M2.1- Semantic and goal-oriented communications - Intemediate report Definition of semantic network architectures, development of algorithms for joint semantic encoding/decoding using generative models
31/12/23 achieved
M3.1- Intelligent services for communications - Intermediate report Development and test of preliminary algorithms aimed at introducing machine learning algorithms for network control
31/01/24 achieved
M4.1- Distributed delay-sensitive intelligent services - Intermediate report Development and test of preliminary algorithms for distributed learning in the edge cloud 28/02/24 achieved
30/06/23 achieved
M2.1- Semantic and goal-oriented communications - Intemediate report Definition of semantic network architectures, development of algorithms for joint semantic encoding/decoding using generative models
31/12/23 achieved
M3.1- Intelligent services for communications - Intermediate report Development and test of preliminary algorithms aimed at introducing machine learning algorithms for network control
31/01/24 achieved
M4.1- Distributed delay-sensitive intelligent services - Intermediate report Development and test of preliminary algorithms for distributed learning in the edge cloud 28/02/24 achieved
- Expected: 4
- Accomplished: 4
- Readiness level: 100%
Proposte di collaborazione:
È possibile avanzare proposte di collaborazione sul progetto contattando il PI del progetto.
Netwin News: