方向一: 算力网络智能管控理论与方法

针对算力网络所产生的数据具有规模大、多源异构、连接海量、多模态、高度复杂性和不确定性特点，导致的数据融合不足、网络运行不稳定等问题，研究基于人工智能技术的算力网络智能管控方法。包含以下三个内容：（1）大数据驱动的算力网络智能管控理论：对海量多源异构的多模态数据进行融合分析，研究算力网络数据治理和智能分析方法，为后续算力网络稳定运行提供决策支持。（2）基于知识图谱和大模型的算力网络智能管控方法：研究基于知识图谱和大模型的算力网络智能管控方法，针对知识图谱规模庞大、多源异构、难以覆盖真实世界全部知识等难题，构建轻量级的算力网络管控知识图谱，利用大模型基础能力，结合微调技术、检索增强和代理模式，构建算力网络管控大模型。（3）基于数字孪生的算力网络智能管控方法：构建算力网络与数字模型之间的双向实时映射，采用数字模型重构仿真验证手段，推演算力网络变化趋势，通过数据采集评估算力网络设备健康状态，预测故障及剩余寿命以提供决策优化方案，提高算力网络的可靠性，确保算力网络稳定高效运行。