Titulo Estágio
2025/26_N2 Graph Neural Networks (GNN) na Otimização de Redes de Telecomunicações
Áreas de especialidade
Engenharia de Software
Sistemas Inteligentes
Local do Estágio
Altice Labs
Enquadramento
IDI - Áreas Chave
Artificial Intelligence/Gen AI
Tema / Título
Utilização de Graph Neural Networks (GNN) na Otimização de Redes de Telecomunicações
Contexto
No mundo extremamente conectado de hoje, as redes de telecomunicações tornaram-se um pilar essencial para a comunicação e troca dedados. À medida que a exigência por largura de banda mais elevada e conectividade mais estável cresce, as operadoras de telecomunicaçõesenfrentam o desafio contínuo de otimizar suas redes para atender a estas necessidades. Tradicionalmente, a otimização de redes tem dependidode modelos matemáticos complexos e técnicas de otimização que requerem uma quantidade significativa de intervenção manual e experiência dodomínio (que, também, demora muito tempo). No entanto, com o advento das tecnologias de Machine Learning (ML), em particular das GraphNeural Networks (GNN), novos horizontes foram abertos para a otimização automática de redes.
As GNN, uma classe de redes neuronais que operam diretamente em grafos, emergiram como uma ferramenta promissora para modelar acomplexa estrutura de conexões presentes em redes de diversos tipos. Graças à sua capacidade de capturar as dependências espaciais entre osnós numa rede, as GNN oferecem um meio poderoso para automatizar a deteção de padrões e a otimização de redes.
Este projeto propõe a exploração da aplicabilidade das GNN na otimização de redes de telecomunicações, com o objetivo de superar os desafiosinerentes à gestão de redes complexas, incidindo em áreas como a otimização da alocação de recursos e a melhoria da qualidade de serviço(QoS). Para tal, são esperados a utilização, o desenvolvimento e o treino de modelos baseados em GNN que possam efetivamente aprender apartir de dados de rede, identificando padrões e correlações que podem não ser imediatamente aparentes para os métodos tradicionais de otimização.
Desta forma, o projeto tem como objetivo contribuir para o avanço do conhecimento no campo da otimização de redes, demonstrando como as tecnologias de inteligência artificial, e em particular as GNN, podem ser utilizadas para enfrentar alguns dos desafios mais prementes na gestão de redes de telecomunicações modernas. Através deste trabalho, espera-se não só avançar na compreensão teórica das GNN e suas aplicações em redes de telecomunicações, mas também fornecer soluções práticas que possam ser implementadas pela indústria, para melhorar a eficiência e a qualidade dos serviços oferecidos aos utilizadores finais.
Objetivo
Com este projeto, são esperados:
Preparação de uma revisão bibliográfica abrangente sobre as técnicas atuais de otimização de redes de telecomunicações, focado emmétodos que utilizem inteligência artificial e Machine Learning (Deep Neural Networks e Graph Neural Networks em especial);
Estudo do domínio em questão e dos seus principais desafios;
Desenvolvimento de modelos de GNN personalizados para abordar problemas específicos de otimização de redes identificados;
Implementação de modelos baseados em GNN, treinados sobre dados reais da organização proponente;
Avaliação da qualidade dos modelos desenvolvidos;
Análise dos resultados obtidos, comparando-os com as técnicas de otimização tradicionais e destacando as vantagens e desvantagens dos modelos de GNN propostos.
Plano de Trabalhos - Semestre 1
desenvolvimento do projeto atual pode ser sintetizado nas seguintes atividades:
Elaboração de um estado da arte tecnológico e de negócio;
Avaliação de ferramentas e soluções existentes (académicas e profissionais);
Identificação e desenho de um cenário de otimização de redes recorrendo a GNN;
Relatório Intermédio
Plano de Trabalhos - Semestre 2
Desenvolvimento de um protótipo treinado com dados da organização;
Teste e validação, incluindo a comparação com os resultados atuais;
Documentação;
Recolha de feedback e realização de ajustes;
Escrita da dissertação, relatório final.
Condições
Integração no Programa GENIUS Investigação da Inova-Ria.
Entidade Promotora: Inova-Ria
Entidade de acolhimento: Altice Labs
Com possibilidade de integrar uma Bolsa de Investigação - Programa GENIUS - durante a realização do projeto de Dissertação - Integração numa equipa de I&D na Empresa Altice Labs .
Valor de bolsa de acordo com tabelas da FCT (ver pdf em (www.Inova-Ria.pt).
Período de realização de acordo com o enquadramento da Universidade.
• Horário: De acordo com enquadramento da Universidade
• Formato: (a combinar na entrevista)
• Meios: atribuição de um PC portátil e acessos à rede Interna da Altice Labs
• Kit de Acolhimento
• Onboarding nas equipas da Altice Labs, com atribuição de um tutor full-time
• Possibilidade de participar em todas as iniciativas de partilha de conhecimento ou de entretenimento levadas a cabo pela Altice Labs
• Possibilidade de entrada nos quadros da empresa
Os alunos interessados deverão enviar para genius@inova-ria.pt ao cc Dra Regina Maia Sacchetti (963618710).
• Curriculum Vitae;
• Disciplinas realizadas até ao momento com médias; simples documento eletrónico, que poderá obter no portal académico .
Processo de Seleção: Entrevista Inova-Ria - PROGRAMA GENIUS na qual fará parte o Orientador do projeto de forma a esclarecer a temática envolvida.
Observações
Aspetos Inovadores
A proposta atual apresenta inovação em diferentes aspetos, nas diferentes fases de desenvolvimento:
Adaptação da estrutura complexa e dinâmica das redes de telecomunicações para um modelo de grafos capazes de serem processadospor GNN;
Desenvolvimento de modelos de GNN capazes de aprender padrões complexos para otimização de redes, apresentando alternativas maiseficientes e escaláveis;
A investigação pode contribuir com novos métodos e estudos/benchmarks, úteis para a organização e para a comunidade científica.
Graph Neural Networks (GNN) na Otimização de Redes de Telecomunicações
Ferramentas a utilizar
Python 3, SciKit Learn, Jupyter Notebooks, Pandas, etc;
JIRA, WIKI e GIT.
Referências Bibliográficas
https://www.ericsson.com/en/blog/2023/11/pioneering-within-graph-rural-networks-for-increased-optimization-of-networks
https://www.sciencedirect.com/science/article/pii/S1389128622003681
https://arxiv.org/pdf/1901.00596.pdf
Orientador
Luis Cortesão
luis-m-cortesao@alticelabs.com 📩