موقعیت دکتری در پایش شناختی شبکه: ادغام شبکههای عصبی گرافی و مدلهای زبانی بزرگ
توسعه چارچوبهای پایش شبکه مبتنی بر هوش مصنوعی با ترکیب شبکههای عصبی گرافی و مدلهای زبانی بزرگ برای عیبیابی زیرساختهای ۶G قابل توضیح.
مناسب برای:مناسب برای نامزدهای دکتری دارای تخصص در شبکههای عصبی گرافی، مدلهای زبانی بزرگ و توموگرافی شبکه، که به دنبال مشارکت در پایش شبکه مبتنی بر هوش مصنوعی و زیرساختهای ۶G هستند.
مرور کلی
این موقعیت دکتری در مرکز Inria در رن بر پیشبرد پایش شناختی شبکه از طریق ادغام شبکههای عصبی گرافی (GNN) با مدلهای زبانی بزرگ (LLM) تمرکز دارد. این پژوهش که توسط تیم پروژه ERMINE با همکاری ADOPNET میزبانی میشود، با هدف پیوند دادن استنتاج ریاضی با استدلال متنی برای فعالسازی توموگرافی شبکه قابل توضیح و عمومیپذیر انجام میگیرد. دانشجوی دکتری معماریهای نوین GNN را برای انتقال توپولوژی صفرشات طراحی خواهد کرد، چارچوبهای تولید افزوده بازیابی (RAG) را برای عیبیابی قابل توضیح ادغام میکند و چارچوب را روی دادههای شبکه واقعی اعتبارسنجی خواهد نمود. این پروژه بخشی از کنسرسیوم GENIE ANR است که به دنبال ایجاد تحول در مدیریت شبکه از طریق اتوماسیون مبتنی بر هوش مصنوعی است.
نحوهٔ درخواست
برای دیدن امتیاز تطابق شخصی، نیازمندیها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.