Du har inte javascript påslaget. Det innebär att många funktioner inte fungerar. För mer information om Vinnova, ta kontakt med oss.

MADELEINE: Storskalig decentraliserad maskininlärning vid nätverkskanten

Diarienummer
Koordinator Linköpings universitet - Linköpings Universitet Inst f systemteknik ISY
Bidrag från Vinnova 421 203 kronor
Projektets löptid juli 2026 - september 2026
Status Pågående
Utlysning 6G - Kompetensförsörjning
Ansökningsomgång Individrörlighet inom 6G för samarbeten med USA och Singapore

Viktiga resultat som projektet gav

Målen nåddes och forskningen breddades. Besöket vid NTU lade grunden för ett nytt samarbete mellan LiU och NTU inom 6G och agentbaserad AI. Vi tog fram en gemensam optimeringsmetod för att fördela begränsade beräknings- och kommunikationsresurser mellan AI-agenter i nätverk. Simuleringar visar bättre resultat än traditionella metoder. En gemensam forskningsartikel förbereds och arbetet öppnar för satellitbaserad databehandling. Integritet och energieffektivitet återstår att studera.

Långsiktiga effekter som förväntas

Framtidens AI-baserade 6G-nät behöver samordna AI-agenter som delar på begränsade beräknings- och kommunikationsresurser. Projektet ger en matematisk grund för att fördela resurserna effektivt mellan AI-agenter. Det kan bidra till mer autonoma och energieffektiva nät. Projektet stärker svensk kompetens inom AI och 6G och lägger grunden för fortsatt samarbete mellan LiU och NTU. Nästa steg är en gemensam vetenskaplig artikel och en gemensam forskningsansökan.

Upplägg och genomförande

Dr Rodio vistades vid NTU i Singapore från 19 juli till 8 september 2026, inom den planerade perioden för forskningsutbytet. Genom regelbundna möten med professor Chee Wei Tan kunde flera forskningsidéer samlas i en gemensam optimeringsmetod. Samarbetet fungerade mycket bra och lade grunden för fortsatt gemensam forskning.

Texten på den här sidan har projektgruppen själv formulerat. Innehållet är inte granskat av våra redaktörer.

Senast uppdaterad 2 november 2026

Diarienummer 2026-01731