AI-driven Intentbaserad Optimering med Algoritmisk Maskininlärning för 6G-nätverk
| Diarienummer | |
| Koordinator | RISE Research Institutes of Sweden AB |
| Bidrag från Vinnova | 98 474 kronor |
| Projektets löptid | januari 2025 - juli 2025 |
| Status | Pågående |
| Utlysning | 6G - Kompetensförsörjning |
| Ansökningsomgång | 6G - Handledning av examensarbete |
Viktiga resultat som projektet gav
Ur ett forskningsperspektiv gav projektet blandade resultat. Vi förenklade examensarbetets omfattning för att fokusera på MIS-problemet, som är relevant för resursallokering i 6G. Vårt system uppnådde prestanda i nivå med de senaste generativa AI-metoderna, men kunde inte integrera naturliga språkbegränsningar i optimeringen. Även om den initiala metoden inte helt lyckades, lade den grunden för framtida forskning och initierade nya samarbetsmöjligheter.
Långsiktiga effekter som förväntas
Resultaten kommer att vägleda framtida forskning och har redan bidragit till ett internt uppföljningsprojekt inom RISE. Vi etablerar nu formella samarbeten med företag och universitet för att fortsätta utforska detta område, med potentiella nya Vinnova-ansökningar. Koden finns tillgänglig på https://git.ri.se/daniel.perez/gnn-co och examensarbetets rapport på https://lup.lub.lu.se/student-papers/search/publication/9207177.
Upplägg och genomförande
Projektet följde en datadriven, utforskande forskningsmetodik. Under den första månaden definierades examensarbetets ämne mer formellt. Omfattningen avgränsades till att fokusera på MIS med naturliga språkbegränsningar. Tidsplanen följdes: den första fasen bestod av inledande litteraturstudie och avgränsning av omfattning (januari – mars), implementerings- och prototyputvecklingsfasen (mars – maj), och slutligen analys av resultat och skrivande av examensarbetets rapport (maj – juli).