用于数字孪生网络集成设计、实施、测试和运营的代理式人工智能框架

《IEEE Open Journal of the Communications Society》：Agentic-AI Framework for Integrated Design, Implementation, Testing, and Operation of Digital Twin Networks

　　

摘要：

数字孪生网络（DTNs）正成为实现下一代网络强健优化和生命周期管理的关键技术。然而，目前的DTN方法仍然严重依赖于手动设计、实现、测试和验证，这些过程通常针对特定应用领域进行定制，缺乏通用性。这种耗时的创建和适配过程与第六代（6G）网络的高度动态特性不兼容。因此，DTN必须能够适应动态网络环境，这就需要自动化的DTN生成和运营。目前还没有一个统一的框架能够支持从用例构思和需求规范到运营整个生命周期的代理式工作流程。本文通过提出一个可适应的、代理式的框架来解决这一难题，该框架可以用于闭环中共同设计、实现、测试和运营DTNs。所提出的架构具有可扩展性，可以通过其可配置机制（例如代理提示工程、全面的数据收集和控制接口）重新配置以适应其他网络领域（例如无线接入、移动性）。不过，目前的实现和实验评估仅限于核心网络管理和拓扑优化。随后，该框架能够自主地协调持续的感知、反射、规划、代码生成、测试、验证和控制。我们通过两个不同的6G用例（多接入边缘计算（MEC）服务迁移和网络切片）来评估该框架的能力。使用最先进的大型语言模型（LLMs）进行的广泛评估表明，该框架能够将高级意图可靠地转化为满足指定关键性能指标（KPIs）的有效操作，同时展现出不同的模型特定工程策略。