面向6G计算连续体的AI编排联邦和分裂学习
AI-Orchestrated Federated and Split Learning for 6G Compute Continuum
申请要求（为空则代表无要求）
雅思：
托福：
留学费用：84000GBP/年
面向6G计算连续体的AI编排联邦和分裂学习项目简介
6G愿景引入了一个计算连续体，其中设备、边缘节点和云平台协同工作以提供智能服务。联邦学习（FL）和分裂学习（SL）是6G网络中实现隐私保护和资源高效AI训练与推理的关键赋能技术。然而，现有的FL和SL编排策略是静态且与网络无关的，未能适应6G环境中动态变化的带宽、异构计算资源和用户移动性等特征。这导致了次优性能、增加的延迟和低效的资源利用。本项目通过开发AI驱动的编排机制来解决这些挑战，该机制根据实时网络和计算状态动态优化客户端选择、聚合频率和模型划分，从而确保6G系统中可扩展和自适应的分布式学习。这项研究将设计一个用于6G网络中联邦和分裂学习的智能编排框架。该方法将利用分层学习方法做出多级决策，例如哪些客户端参与、聚合频率以及在哪里拆分模型进行分布式训练或推理。该系统将整合信道质量、边缘负载和移动模式的预测模型，以实现主动编排。主要目标包括最小化达到准确性的时间、减少通信开销以及确保异构设备之间的公平性。该框架将使用真实的6G场景进行验证，并根据基线FL/SL策略测量性能。这项工作将使6G计算连续体中的自适应、隐私保护AI服务成为可能，支持同时要求效率和弹性的应用。
项目学术背景与核心优势
贝尔法斯特女王大学在电子电气工程与计算机科学领域拥有超过百年的学术积淀，其工程学院下设的School of Electronics, Electrical Engineering and Computer Science长期聚焦信息与通信技术的底层创新。面向6G计算连续体的AI编排联邦和分裂学习这一交叉学科，正是依托该校在分布式系统、机器学习与无线网络方向的研究传统而设立。贝尔法斯特女王大学的实验室长期参与多项欧洲科研框架计划，为学生提供了接触真实网络仿真环境的平台。该硕士项目通过整合联邦学习与分裂学习的理论框架，帮助学习者构建从边缘计算到核心网的端到端编排能力。贝尔法斯特女王大学强调理论与实践并重，这一培养理念使得毕业生能够应对未来通信系统的高动态需求。
核心知识模块与培养方向
该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：
- 分布式机器学习基础：涵盖联邦学习与分裂学习的数学原理，用于解决非独立同分布数据下的模型聚合与隐私保护问题。
- 6G网络架构与协议：聚焦计算连续体中的资源编排与切片管理，应用于超低时延与超高可靠场景的协议设计。
- AI驱动的网络自动化：涉及强化学习与图神经网络在流量预测、故障恢复中的工程实现，支撑自治网络运维。
毕业生职业发展路径
结合通信与人工智能行业的融合趋势，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：
- 通信系统算法工程师：负责设计基于联邦学习的分布式模型训练算法，优化基站侧与终端侧的协作效率。
- 边缘计算解决方案架构师：针对工业互联网或智慧城市场景，规划从云到端的AI编排策略并评估性能指标。
- 网络标准化研究员：在3GPP、ITU等国际组织的前期研究中，验证分裂学习与联邦学习在下一代协议栈中的可行性。
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计算机科学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。