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：168000GBP/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作为全球高等教育的标杆性机构，其面向6G计算连续体的AI编排联邦和分裂学习项目依托学校在领域的深厚学术传统与实践经验，致力于培养学生的系统性分析能力。
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：
- 基础理论与实践应用
- 跨学科综合能力培养
- 行业前沿技术与研究方法
毕业生职业发展路径
结合领域的发展态势，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：
- 相关领域的研究与实践
- 跨行业应用与管理工作
- 继续深造或学术研究
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。