数字孪生是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，通过优化和指令来调控物理实体对象的行为，从而达到产品（系统）全生命周期管理。
数字孪生是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，通过优化和指令来调控物理实体对象的行为，从而达到产品（系统）全生命周期管理。
数字孪生的本质，就是一套基于现实世界中各类资产、信息及流程的软件表达副本。这套副本立足于云端，并由此开辟出一个充满可能性的虚拟世界——这是一个安全的模拟测试环境，大家可以在其中训练及播放“假设”场景、考查其是否匹配预期，而且整个过程不会对现实对象造成任何影响。
看似从科幻小说中走出的数字孪生概念，如今已经被引入众多商业解决方案，配合人工智能、数据与数字化等技术塑造网络新时代的面貌。在本文中，我们将经由三个实践落地的数字孪生用例，探讨这项技术如何为未来网络的优化、自动化与设计开启新的大门。
网络数字孪生模拟的是我们身边看不见、摸不着的网络体系：信号、覆盖范围、干扰与流通等，也包括不同频段间的用户转移。数字孪生带来了一种安全优化方法，对辐射功率等敏感参数加以严格保护。
在瑞士，Swisscom运行着一套在2021年Umlaut国际基准排名中得分最高的网络。但在辐射功率方面，Swisscom还需要满足一系列更为严格的最新规定。根据法规要求，如果不改变现有基础设施，Swisscom就只能部署少量新的低功率5G站点，这也直接导致4G与5G新站点在低频段的覆盖效果大打折扣。
那么，我们如何才能在不影响覆盖范围或用户体验的前提下，成功降低传输功率、为新的频段层腾出空间？
目前已知的最佳方案就是强化学习（RL）——这是机器学习的一种方法，AI代理能够通过观察状态及持续迭代与环境保持交互，由此逐渐收敛以逐步完成长期目标。我们的长期目标就是降低传输效率，但却不可能让AI代理在实际网络中持续调整辐射功率，这不仅有损用户体验、同时也违反了企业致力于满足的规定。
为此，专家们开发出一套精确的网络数字孪生模型，针对覆盖范围、干扰及数据流通（包括跨频段用户切换）进行建模，确保RL代理始终拥有一个能够灵活操作、从中学习的安全环境。要建立这样一套精准的模型，深厚的领域知识至关重要。此外，专家们还需要在准确度与详尽度之间找到平衡，同时确保孪生副本不会因太过复杂而无法在商业场景下扩展运行。
友情链接
