Automatisation du réseau multi-agents avecOpérateurs collaboratifs cloud natifs basés sur GenAI

Multi-agent Network Automation with GenAI-based Collaborative Cloud-native Operators

• Auteur / Autrice : Ilias Chatzistefanidis
• Direction : Navid Nikaein
• Type : Projet de thèse
• Discipline(s) : Sciences et technologies de l'information et de la communication
• Date : Inscription en doctorat le 02/01/2023
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : Institut EURECOM (Sophia-Antipolis, Alpes-Maritimes ; 1992-....)

Mots clés

Mots clés libres

Efficacité énergétique (Vert)

Ric

6g

Llm

GenAI

Telecom

Energy efficency (Green)

Ric

6g

Llm

GenAI

Telecom

Résumé

Les réseaux du futur deviennent de plus en plus dynamiques à mesure que les applications émergentes exigent une utilisation élevée des ressources avec une variabilité extrême sur des échelles de temps courtes. Les actionnaires commerciaux et les secteurs verticaux se tournent rapidement vers le partage de réseau comme solution viable pour maximiser le gain de multiplexage des ressources, tout en minimisant les coûts. Cependant, la complexité de l'intégration et de l'exploitation de composants réseau hétérogènes provenant d'une multitude de fournisseurs différents devient un défi de taille. Par conséquent, divers efforts sont déployés pour résoudre ce problème, comme l'Alliance O-RAN qui tente de fournir des spécifications ouvertes pour un réseau d'accès radio (RAN) indépendant du fournisseur. L'intelligence artificielle (IA) est proposée depuis longtemps comme un outil puissant pour gérer les fluctuations et la dynamique des réseaux sans fil. Actuellement, l'IA générative (GenAI) est à la pointe de l'innovation, promettant de remodeler la conception des architectures de réseau en intégrant le raisonnement avancé qui émerge des grands modèles de langage (LLM) vers un fonctionnement de bout en bout (E2E) exploitable. Cette thèse conçoit et développe une architecture réseau complète au-delà de la 5G équipée d'agents basés sur GenAI sous divers rôles pour automatiser entièrement les opérations réseau à l'aide de mécanismes collaboratifs. Le cadre développé est évalué sur une véritable plate-forme 5G opérationnelle avec une analyse comparative approfondie dans le but de trouver la solution réalisable optimale.

Future networks are becoming increasingly dynamic as emerging applications demand high resource utilization with extreme variability over short time scales. Business shareholders and verticals swift towards network sharing as a viable solution for maximizing the resource multiplexing gain, while minimizing the cost. However, the complexity of integrating and operating heterogeneous network components from a plethora of different vendors becomes a significant challenge. Hence, various efforts are made to tackle this issue, such as the O-RAN Alliance that tries to provide open specifications towards a vendor-neutral radio access network (RAN). Artificial intelligence (AI) has long been proposed as a powerful tool to manage fluctuations and dynamics in wireless networks. Currently, generative AI (GenAI) is at the forefront of innovation promising to reshape the design of network architectures incorporating the advanced reasoning that emerges from large language models (LLMs) towards actionable end-to-end (E2E) operation. This thesis designs and develops a complete beyond-5G network architecture equipped with GenAI-based agents under diverse roles to fully automate the network operations using collaborative mechanisms. The developed framework is evaluated on a real operational 5G platform with extensive benchmarking in an effort to find the optimal realizable solution.