计算机科学研究人员开发出一种新方法,能够在用户需求实际出现之前以无线方式预测他们需要哪些数据,借此提升无线网络的传输带宽和可靠性。这种新方法采用的正是数字孪生技术,能够有效克隆其负责支持的目标网络。
达成目标的关键,在于如何实现边缘缓存。
缓存是指将数据存储在系统或者网络认为用户将在短时间内使用的服务器上。如此一来,系统就能比从原始来源处检索数据更快地满足用户需求。而边缘缓存则强调系统将数据缓存在最靠近最终用户的服务器当中,例如集成至网络路由器中或者与这些路由器共置部署的计算设备。
这篇论文的通讯作者、北卡罗来纳州立大学计算机科学助理教授Yuchen Liu表示,“这项工作中的两大挑战,分别是确定哪些数据需要缓存,以及边缘服务器在任意给定时间点上应该存储多少数据。”
“系统不可能将所有内容都放入边缘缓存当中。如果数据占用了太多计算资源,那么在边缘服务器上存储过多的冗余数据就会降低服务器的速度。因此,系统需要不断决定存储哪些数据包,以及哪些数据包可以丢弃。”
刘教授解释称,“系统对于用户实际需要的数据内容以及边缘服务器应当存储多少数据的预测结果越准确,系统的整体性能就会越好。而我们在这里的工作重点,就在于如何改进这种预测效果。”
他们提出的新边缘缓存优化方法名为D-REC,其中利用了数字孪生技术,数字孪生是根据真实对象构建的虚拟模型。以D-REC为例,数字孪生负责在其中定义无线网络的虚拟模型——包括蜂窝网络以及Wi-Fi网络。
刘教授指出,“这种方法可以应用于任何无线网络,具体取决于系统管理员或者网络运营商的需求。D-REC还可根据用户的需求进行调整。”
在D-REC当中,数字孪生会从无线网络处获取实时数据,并利用这些数据进行模拟,预测用户最有可能请求哪些数据。之后,这些预测将会被发送回网络,以告知网络的边缘缓存决策。由于模拟是由网络外部的计算机所执行,因此整个过程不会降低网络性能。
研究人员使用开源数据集来确定无线网络在使用D-REC的情况下,是否能够运行得更加高效。研究人员为此开展了广泛实验,并在其中引入一系列变量,包括网络规模、网络上的用户数量等等。
刘教授表示,“D-REC的表现优于传统方法。我们的技术提高了网络准确预测哪些数据应当进入边缘缓存的能力。D-REC还能帮助系统更好地对整个网络中的数据存储加以平衡。”
此外,由于D-REC的数字孪生会专注于预测网络行为,因此也能提前识别出各种潜在问题。
“举例来说,如果数字孪生认为某个特定基站或者服务器很可能超载,则可以提前通知网络,并允许其在网络当中重新分配数据,借此保持网络具有良好的性能和可靠性。”
“目前我们正极寻求与网络运营商的合作,希望探索D-REC技术如何在现实场景下提高网络的性能与可靠性。”
他们的论文《数字孪生辅助的数据驱动优化:实现无线网络中的可靠边缘缓存》(Digital Twin-Assisted Data-Driven Optimization for Reliable Edge Caching in Wireless Networks)已经发表在《IEEE通讯选定领域杂志》上。
好文章,需要你的鼓励
谷歌研究团队推出VaultGemma,这是其首个采用差分隐私技术的大语言模型。该模型基于Gemma 2构建,拥有10亿参数,通过在训练阶段引入校准噪声来防止模型"记忆"敏感用户数据。研究团队建立了差分隐私缩放定律,平衡计算预算、隐私预算和数据预算。尽管添加差分隐私会影响准确性,但VaultGemma在性能上与同规模非私有模型相当。该模型现已在Hugging Face和Kaggle平台开放下载。
香港中文大学联合上海AI实验室推出Dispider系统,首次实现AI视频"边看边聊"能力。通过创新的三分式架构设计,将感知、决策、反应功能独立分离,让AI能像人类一样在观看视频过程中进行实时交流,在StreamingBench测试中显著超越现有系统,为教育、娱乐、医疗、安防等领域的视频AI应用开启新可能。
英国宽带服务商Olilo正式推出多千兆宽带服务,专门面向技术人员、工程师、系统管理员和家庭实验室爱好者。该公司自建Layer 2网络基础设施,提供对称多千兆宽带,支持静态IPv4地址和原生IPv6。Olilo与伦敦三大互联网交换中心建立对等连接,在英国对等网络中排名第24位。服务经过150多名技术用户的付费封闭测试,并通过Discord社区持续收集用户反馈优化服务。
Atla公司发布Selene Mini,这是一个仅有80亿参数的AI评估模型,却在11个基准测试中全面超越GPT-4o-mini。通过精心的数据筛选和创新训练策略,该模型不仅能准确评判文本质量,还能在医疗、金融等专业领域表现出色。研究团队将模型完全开源,为AI评估技术的普及和发展做出贡献。