Найти в Дзене
Самара Онлайн 24

Орбитальные вычисления: как спутники обеспечат ИИ в сетях 6G

Международная группа учёных предложила новую концепцию «гибкого искусственного интеллекта» для будущих сетей 6G, в которой спутники на орбите становятся ключевыми узлами распределённых вычислений. По мере коммерциализации связи шестого поколения, ожидаемой к 2030 году, встаёт задача обеспечить бесперебойную работу ИИ‑сервисов в удалённых и труднодоступных регионах, где одних наземных сетей может оказаться недостаточно. Исследователи из Гонконгского университета и Университета Сидянь объединили идеи периферийного искусственного интеллекта (Edge AI) с интегрированными космическо-наземными сетями (SGIN). Их подход, получивший название «космическо-наземный гибкий ИИ», направлен на преодоление ограничений, связанных с высокой скоростью движения спутников и ограниченной пропускной способностью каналов связи с Землёй. Концепция опирается на три ключевые методики: гибкое обучение, гибкий вывод и гибкую загрузку моделей. Гибкое обучение использует движение спутников для распространения и обновл
   freepik.com
freepik.com

Международная группа учёных предложила новую концепцию «гибкого искусственного интеллекта» для будущих сетей 6G, в которой спутники на орбите становятся ключевыми узлами распределённых вычислений. По мере коммерциализации связи шестого поколения, ожидаемой к 2030 году, встаёт задача обеспечить бесперебойную работу ИИ‑сервисов в удалённых и труднодоступных регионах, где одних наземных сетей может оказаться недостаточно.

Исследователи из Гонконгского университета и Университета Сидянь объединили идеи периферийного искусственного интеллекта (Edge AI) с интегрированными космическо-наземными сетями (SGIN). Их подход, получивший название «космическо-наземный гибкий ИИ», направлен на преодоление ограничений, связанных с высокой скоростью движения спутников и ограниченной пропускной способностью каналов связи с Землёй.

Концепция опирается на три ключевые методики: гибкое обучение, гибкий вывод и гибкую загрузку моделей. Гибкое обучение использует движение спутников для распространения и обновления параметров ИИ‑моделей между регионами, превращая орбитальную динамику из источника помех в ресурс для ускорения обучения. Гибкий вывод предусматривает распределение слоёв нейросетей между орбитальными аппаратами и наземными узлами, что позволяет принимать решения в реальном времени с учётом доступных вычислительных ресурсов и допустимых задержек.

Гибкая загрузка моделей повышает эффективность доставки ИИ‑сервисов до конечных пользователей за счёт стратегического кэширования и миграции блоков параметров между спутниками. Это должно сокращать объём передаваемых данных и снижать нагрузку на каналы связи.

Авторы подчёркивают, что внедрение ИИ на орбите связано с особыми вызовами: жёсткими радиационными условиями, ограничениями по энергии и требованиями к отказоустойчивости. В качестве приоритетных направлений они выделяют развитие радиационно-стойкого оборудования, надёжных вычислительных архитектур и энергоэффективного планирования задач. В перспективе дальнейшие исследования будут сосредоточены на создании более безопасных и экономичных версий гибкого ИИ, которые, с учётом предсказуемости орбит, смогут стать основой по‑настоящему глобального интеллектуального сетевого ландшафта эпохи 6G, сообщает new-science.ru.

Читайте также:

Читать на сайте