دوقلوی شبکه دیجیتال با پشتیبانی هوش مصنوعی مولد برای سیستمهای ارتباطی پیش بینی کننده و تطبیقی

با ظهور شبکه های نسل پنجم و فراتر از آن (۵G/۶G) معماری های ارتباطی به سامانه هایی فوق پیچیده، پویا و چندلایه تبدیل شده اند که مدیریت پیش بینی رفتار و تضمین کیفیت سرویس در آنها به چالشی اساسی بدل شده است. در پاسخ به این پیچیدگی مفهوم دوقلوی شبکه دیجیتال (Digital Network Twin - DNT) به عنوان یک کپی مجازی هوشمند از شبکه واقعی مطرح شده است. با این حال، نسل فعلی DNTها عمدتا مبتنی بر شبیه سازی های منفعل و مدل های آماری محدود بوده و فاقد قابلیت پیش بینی تطبیقی و تصمیم سازی خودمختار هستند [۱][۲]. در این مقاله یک چارچوب نوآورانه برای دوقلوی شبکه دیجیتال با پشتیبانی هوش مصنوعی مولد (Generative AI-Powered DNT) ارائه می شود که قادر است رفتار آینده شبکه را تولید، تحلیل و بهینه سازی کند. چارچوب پیشنهادی با ترکیب مدل های مولد مبتنی بر گراف، مدل های انتشار Diffusion و یادگیری تقویتی عمیق امکان شبیه سازی سناریوهای چه-اگر (What-If)، پیش بینی خرابی ها و سازگاری بلادرنگ شبکه را فراهم می کند [۴][۵]. این DNT قادر است پیش از اعمال هر سیاست کنترلی در شبکه واقعی پیامدهای آن را در فضای مجازی پیش بینی کرده و بهترین اقدام را انتخاب کند. نتایج ارزیابی در سناریوهای مراکز داده نرم افزار محور و شبکه های هسته ۶G نشان می دهد که چارچوب پیشنهادی منجر به کاهش معنادار latency، بحرانی افزایش پایداری شبکه و بهبود بهره وری منابع نسبت به روش های متداول می شود. این مقاله مسیر روشنی به سوی شبکه های پیش بینی کننده تطبیقی و خودمختار نسل آینده ترسیم می کند.

کلیدواژه ها:

دوقلوی شبکه دیجیتال ، سامانه های ارتباطی تطبیقی ، هوش مصنوعی مولد ، شبکه های پیش بینی کننده ، ۶G