xApp Distillation: AI-based Conflict Mitigation in B5G O-RAN

机器学习决策算法的进步，创造了各种研究和工业应用的机会。其中之一是基于机器学习的准实时网络管理应用（xApps）在开放式无线电接入网络（O-RAN）中的应用。通常，xApps仅为所需目标而设计，并进行微调以进行部署。然而，电信公司可以使用多个xApps并将它们部署在重叠的区域。考虑到xApps的不同设计目标，部署可能会引起冲突。为了防止这种冲突，我们提出了xApp蒸馏方法，该方法从多个xApps中提取知识，然后使用该知识来训练一个单一模型，该模型保留了先前xApps的功能。性能评估表明，在某些情况下，与冲突缓解方案相比，xApp蒸馏可能会导致多达六倍的网络故障。

解决多个xApps在O-RAN中重叠部分部署可能引起冲突的问题，提出了xApp distillation方法。

通过将多个xApps的知识提取出来，训练一个单一模型来避免冲突，同时保留之前xApps的功能。

论文使用实验评估了xApp distillation方法和其他冲突缓解方案的性能，结果表明在某些情况下，与其他方案相比，xApp distillation方法可以减少多达6倍的网络故障。论文提供了开源代码。

相关研究包括：'A Survey of Machine Learning Applications in 5G Networks'，'Machine Learning for Self-Organizing Networks (SONs): An Overview and a Future Perspective'，'A Deep Reinforcement Learning Approach to Dynamic Resource Allocation in 5G Networks'等。