随着数字化技术的快速发展,元宇宙已经成为人们关注的焦点之一。作为一种全新的虚拟世界,元宇宙将重新定义人们的生活和工作方式。文中介绍了元宇宙的概念和意义,并从元宇宙的技术特点出发,对元宇宙的关键技术进行了深入研究。具体来说,对区块链、交互技术、人工智能、物联网、算力及运算、数字孪生六大技术进行了分析,总结了元宇宙关键技术的研究进展、面临的问题和挑战,并对未来元宇宙的研究方向、发展趋势及应用前景进行了展望。

随着通信技术的快速发展,卫星通信技术在当今信息通信领域扮演着至关重要的角色。卫星网络覆盖范围广,能够随时为全球用户提供低延迟服务。但卫星网络建设仍然面临卫星设计成本高、发射风险大、卫星网络的测试和维护成本昂贵等难题。随着数字孪生(Digital Twin,DT)技术的兴起,DT技术与卫星网络形成了一种完美的契合,为卫星网络运营提供了强大的数据支持和决策依据。文章综述了基于DT的卫星网络移动边缘计算的研究进展。首先介绍了地面基站通信的局限性,进而引出卫星网络的应用;其次详细阐述了卫星网络的组成结构、卫星分类及卫星边缘计算的概念;接着介绍了DT技术,并重点分析了DT卫星边缘计算平台和基于DT的卫星网络移动边缘计算算法;最后总结了当前研究中存在的问题和未来的发展方向。

当前,知识定义网络赋能AI技术发展,算力网络提供AI所需算力资源,二者逐渐趋于融合,形成了知识定义算力网络(Knowledge Defined Computing Networking,KDCN)。KDCN赋能发展了诸多新型网络应用,如元宇宙、AR/VR、东数西算等,这些新型应用对算力资源和网络资源有极大的需求,被称为重击流(Heavy Hitter,HH)。HH流的存在严重加剧了KDCN网络的拥塞情况。针对这一挑战,提出了一种智能流量调度机制,旨在通过深度Q神经网络来解决KDCN中的拥塞问题。相较于离线训练过程,通过流量数据检测与采集、在模型训练和拥塞流调决策之间建立实时闭环,来实现深度Q神经网络模型的在线训练。基于该闭环控制,智能流调模型通过不断学习可以实现持续演化,并用于提供实时决策。实验结果表明,该算法在资源利用率、吞吐量、平均丢包率等方面优于现有方法。

在中国,市民可以通过拨打12345市民热线,向政府报告生活中遇到的问题并寻求帮助。然而,有许多重复的事件被多次上报,这给负责事件分派的工作人员带来了很大的压力,也会导致事件的处置效率变低,浪费社会公共资源。对重复事件的判断需要精确分析文本语义和上下文关系,为了解决这个问题,文中提出了一种基于深度对比孪生网络的事件辨重方法,通过评估两个事件的描述文本之间的相似性,辨别出具有相同诉求的事件。首先通过召回和过滤的方法来减少候选事件的数量;然后通过对比学习构造任务,微调预训练的BERT模型,学习易于辨识的事件描述语义表征;最后引入事件标题作为上下文信息,并通过带有分类器的孪生网络来识别重复事件。在南通市12345事件数据集上进行了实验,结果表明,该方法在各项评估指标上均优于基线方法,特别是在与辨重任务场景相关的F0.5分数上,能够有效地辨别重复事件,提高事件处置的效率。

针对铁路运维场景中混合业务流的端到端传输,提出了数字孪生架构下基于深度强化学习的确定性传输调度机制,即在线混合业务流端到端传输调度机制(End-to-End Transmission Scheduling Mechanism for Online Mixed-traffic,E2ETSM-OMT)。该机制基于差异化调度策略的思想,将业务流分为监控与数据采集流、控制与执行业务流和数据分析与业务优化流3类,通过确定性技术实现跨域端到端低时延传输。进一步地,通过模型映射和行为映射,将物理空间全方位、高精度地映射到虚拟空间,在数字孪生网络中构建混合业务的拓扑结构,预先分配数据传输路径和时隙资源,从而减少不同业务流之间的调度冲突和资源竞争。同时,通过深度强化学习(Deep Reinforcement Learning,DRL)智能体在线决策,兼顾效果与效率,对不同收益的业务流进行调度。与已有机制相比,数字孪生技术可以实现物理世界与虚拟世界的相互映射,实现非平稳通信环境下DRL的应用,避免在现实网络中探索造成的服务质量下降。仿真结果表明,所提出的面向数字孪生的确定性传输调度机制在保障成功调度混合业务流的同时,以较低的端到端整体时延实现了较高的传输收益。