近日，在ITU主辦的ITU AI/ML in 5G Challenge比賽上，中興通訊提出的數據模型在真實大規(guī)模網絡中獲得MAPE（Mean Absolute Percentage Error, 平均絕對百分比誤差）=1.85成績，相比未采用算法優(yōu)化的測試結果（MAPE>300）有明顯提升，并因此獲得2021圖神經網絡挑戰(zhàn)賽（Graph Neural Networking Challenge 2021）第三名，該挑戰(zhàn)賽是AI/ML in 5G Challenge系列賽之一，由加泰羅尼亞理工大學巴塞羅那神經網絡中心承辦。
圖神經網絡挑戰(zhàn)賽是利用圖神經網絡構建一個規(guī)模化的數字孿生，并利用圖神經網絡的算法達到網絡性能仿真的目的。網絡數字孿生的傳統(tǒng)技術存在計算成本高和仿真精度無法平衡的問題。圖形神經網絡是目前唯一能夠實現兩者平衡的機器學習技術，它可以在低計算資源需求下，提供更高的仿真精度，同時更容易實現實驗室網絡訓練結果在真實網絡的部署。
圖神經網絡在數字孿生網絡應用中的難點在于，用于機器學習訓練的小規(guī)模網絡的性能指標與真實大規(guī)模網絡的性能指標誤差很大。因此，小規(guī)模網絡中得到的訓練模型難以應用于現實網絡。此次挑戰(zhàn)賽中，中興通訊利用在不同規(guī)模的網絡中“端口利用率”值域范圍相近的原理，把模型的預測變量從時延變更為“端口利用率”，通過端口利用率與時延的關系，推算出時延，從而解決值域范圍不同的問題，從而極大提升了小規(guī)模網絡訓練模型的預測精度。
中興通訊已將該技術納入網絡自愈和業(yè)務快速開通研究規(guī)劃，以此來提升網絡自愈和業(yè)務開通的可靠性，并在此算法的原理基礎上發(fā)展網絡自動化優(yōu)化算法，使智能化管控系統(tǒng)能夠根據網絡當前的狀態(tài)和用戶需求，推薦最能滿足用戶需要的網絡配置方案。中興通訊將持續(xù)利用AI及ML技術為所有客戶提供更智能、高效、便捷的通信網絡。
