Trustworthy Edge Artificial Intelligence
| Diarienummer | |
| Koordinator | Kungliga Tekniska Högskolan - KTH Skolan f elektroteknik och datavetenskap |
| Bidrag från Vinnova | 200 000 kronor |
| Projektets löptid | juli 2026 - augusti 2026 |
| Status | Pågående |
| Utlysning | 6G - Kompetensförsörjning |
| Ansökningsomgång | Individrörlighet inom 6G för samarbeten med USA och Singapore |
Syfte och mål
Detta projekt syftar till att utveckla Edge AI-algoritmer som är tillförlitliga, energieffektiva, rättvisa och resilienta för hållbara och inkluderande intelligenta system. Framtida 6G-tillämpningar, inklusive autonom mobilitet, immersiv kommunikation, digitala tvillingar och smart hälsa, kommer att bygga på distribuerad intelligens över resursbegränsade edge-enheter. Nuvarande Edge AI-metoder förbiser dock energianvändning, rättvisa, robusthet mot opålitliga enheter och tillit under osäkerhet.
Förväntade effekter och resultat
Projektet kommer att utforma kommunikationseffektiva och decentraliserade lärandealgoritmer som minskar energi- och bandbreddskostnader samtidigt som prestandan bevaras. Det kommer att införa rättvisemedvetna mekanismer för att undvika att missgynna användare med olika datafördelningar eller uppkopplingsförhållanden. Projektet kommer också att utveckla resilienta metoder som tolererar kvantisering, intermittent kommunikation, icke-iid-data samt felaktiga eller antagonistiska noder.
Planerat upplägg och genomförande
Projektet genomförs i tre steg. Först kartläggs krav från 6G-tillämpningar och begränsningar hos edge-enheter, med fokus på energi, bandbredd, rättvisa och robusthet. Därefter utvecklas decentraliserade lärandealgoritmer samt mekanismer för tillit, fairness och resiliens. Metoderna utvärderas i simulerade och realistiska scenarier med icke-iid-data, störningar och opålitliga noder. Resultaten sprids genom rapporter, prototyper och dialog med relevanta aktörer.