SYNCRO6G

Syfte och mål

SYNCRO6G syftar till att göra over-the-air computation (OAC) tillförlitligt för verkliga 6G-edge-nätverk med heterogena och ofullständigt synkroniserade enheter. Projektet kommer att utveckla analytiska modeller, adaptiv AI-baserad synkroniseringsstyrning och robusta algoritmer som motverkar tids- och frekvensfel, vilket möjliggör federerad inlärning över trådlösa nätverk med låg latens, hög energieffektivitet och bevarad integritet i stor skala.

Förväntade effekter och resultat

Projektet kommer att leverera synkroniseringsrobusta metoder för over-the-air computation för heterogena 6G-edgeenheter, inklusive analytiska felgränser, AI-baserad adaptiv synkroniseringsstyrning och klassmedvetna optimeringsalgoritmer. De förväntade effekterna inkluderar lägre latens, minskad energiförbrukning, förbättrad spektrumeffektivitet samt skalbar och integritetsbevarande federerad inlärning, vilket stärker Europas ledarskap inom hållbara och AI-nativa trådlösa kommunikationssystem.

Planerat upplägg och genomförande

Projektet är organiserat i tre tekniska arbetspaket: felmodellering, AI-driven synkroniseringsstyrning och robust optimering, med stöd av aktiviteter för utbildning och spridning av resultat. Analytisk modellering, djup förstärkningsinlärning och experimentell validering med SDR-plattformar kommer att integreras för att säkerställa både vetenskaplig kvalitet och genomförbarhet. Verktyg med öppen källkod, dataset och reproducerbar programvara kommer att stödja bred påverkan och användning.