MADELEINE: Storskalig decentraliserad maskininlärning vid nätverkskanten
| Diarienummer | |
| Koordinator | Linköpings universitet - Linköpings Universitet Inst f systemteknik ISY |
| Bidrag från Vinnova | 468 003 kronor |
| Projektets löptid | juli 2026 - september 2026 |
| Status | Pågående |
| Utlysning | 6G - Kompetensförsörjning |
| Ansökningsomgång | Individrörlighet inom 6G för samarbeten med USA och Singapore |
Syfte och mål
MADELEINE för samman två forskningsstyrkor: LiUs matematiska ramverk för decentraliserad maskininlärning och NTUs AI-baserade metoder för optimering av trådlösa nät. Målet är att kombinera dem så att inlärningsalgoritmen och radioresurserna den körs på kan utformas tillsammans, vilket förbättrar prestanda, integritetsskydd och energianvändning i AI-nativa 6G-nät.
Förväntade effekter och resultat
Besöket ger ett gemensamt LiU-NTU-ramverk som kopplar samman decentraliserad inlärning med AI-baserad optimering av trådlösa nät, ett utkast till vetenskaplig artikel samt öppen källkod. På längre sikt stärks svensk kompetens inom AI-nativa 6G-nät, och ett varaktigt forskningssamarbete med NTU inleds.
Planerat upplägg och genomförande
Dr. Rodio tillbringar 90 dagar vid NTU och arbetar direkt med Prof. Tans forskargrupp. Arbetet är uppdelat i tre månatliga uppgifter: förbättra inlärningsprestanda under verkliga radiobegränsningar, undersöka integritetsskydd från brus i den trådlösa kanalen, och minska energikostnaden för decentraliserad inlärning. Resultaten sammanställs i en gemensam artikel och en uppföljande ansökan.