人工智能驱动的6G网络联合计算-通信优化
AI-Driven Joint Compute-Communication Optimisation in 6G Networks
申请要求（为空则代表无要求）
雅思：
托福：
留学费用：168000GBP/年
人工智能驱动的6G网络联合计算-通信优化项目简介
6G时代设想了一个无缝的计算连续体，其中应用程序可以动态地利用设备、边缘节点和云平台上的资源。这种范式转变对于支持扩展现实(XR)、自主系统和数字孪生等对延迟敏感和计算密集型服务至关重要。然而，当前系统将计算和通信视为独立的层，导致延迟、能耗和资源利用率低下。挑战在于在高度动态的条件下（例如，变化的信道状态、异构硬件和波动的负载）联合优化这两个领域。本项目旨在通过利用人工智能/机器学习技术实现计算和网络资源的实时自适应编排来弥合这一差距，确保整个连续体的最佳性能和能源效率。这项研究将开发一个人工智能驱动的框架，用于6G网络中的联合计算-通信优化。核心思想是将计算连续体建模为一个动态图，其中节点代表计算资源（设备、边缘、云），链接代表通信通道。利用图神经网络（GNNs）等现代概念进行状态表示和多目标学习进行决策，系统将实时确定最佳任务放置、模型分区和无线资源分配。该框架将考虑多个目标，包括延迟、能源效率和成本，同时适应移动性和网络可变性。评估将使用真实的6G场景进行，衡量与基线调度器相比，端到端延迟、每次推理的能耗和资源利用率的改进。这项工作将有助于实现人工智能原生6G架构并支持下一代智能服务。
项目学术背景与核心优势
贝尔法斯特女王大学在电子与计算机工程领域拥有深厚的研究传统，其School of Electronics, Electrical Engineering and Computer Science长期致力于前沿通信技术研发。该项目依托贝尔法斯特女王大学在无线通信与人工智能交叉方向上的积累，旨在培养能够驾驭下一代网络优化问题的复合型人才。通过跨学科课程设计，学生将构建从算法到系统的核心分析能力，同时理解大规模网络中的计算与通信协同机制。贝尔法斯特女王大学丰富的实验平台和行业合作网络，为该博士项目的科研实践提供了有力支撑。
核心知识模块与培养方向
该博士项目的培养重心在于提升学生的专业素养与实操能力。课程体系通常围绕以下核心方向构建：
- 机器学习与深度学习：用于网络流量预测、资源调度以及信道建模，直接提升系统智能化决策水平。
- 无线通信原理与信号处理：覆盖毫米波、大规模MIMO等关键技术，为理解6G物理层设计提供理论根基。
- 计算-通信协同优化：聚焦边缘计算、网络切片与联合资源分配，在低延迟场景下实现算力与带宽的联合利用。
毕业生职业发展路径
结合通信与人工智能行业的快速演进态势，该专业的毕业生具备较强的专业壁垒，适合在以下领域发展：
- 6G通信系统工程师：负责下一代无线网络架构设计与性能仿真，参与标准制定与原型验证。
- AI算法工程师：面向通信场景开发机器学习模型，解决自优化网络、异常检测等实际问题。
- 网络优化专家：为运营商或设备商提供基于数据分析的网络规划与优化方案，提升系统能效与用户体验。
常见申请疑问解答
针对跨专业申请者，该方向通常要求申请人具备扎实的底层逻辑。如果能在先修课程或实践经历中展现出对通信工程的基础认知与分析能力，将有效弥补专业背景的不足。
在语言与学术准备方面，由于该项目涉及大量的专业文献阅读与学术对话，申请人需具备较强的学术英语理解能力。提前熟悉相关的研究方法或底层分析工具，将为后续高强度的专业学习打下坚实基础。