Ученые: управление 5G и 6G сетей надо передать ИИ ради более высоких скоростей
Ученые разрабатывают модели искусственного интеллекта (ИИ), которые могут помочь беспроводным сетям нового поколения, таким как 6G, обеспечить более быстрое и надежное соединение. В исследовании, опубликованном в декабрьском выпуске журнала IEEE Transactions on Wireless Communications за 2024 год, исследователи подробно описали систему искусственного интеллекта, которая сокращает объём информации, которую необходимо передавать между устройством и беспроводной базовой станцией, например вышкой сотовой связи, за счёт фокусировки на ключевой информации, такой как углы, задержки и уровень сигнала.
Оптимизируя данные сигнала в беспроводных сетях, использующих высокочастотные миллиметровые волны электромагнитного спектра, исследователи обнаружили, что ошибки подключения были значительно сокращены, а система искусственного интеллекта повысила надежность данных и связность в различных средах, таких как городские районы с движущимся транспортом и пешеходами.
Чтобы удовлетворить быстро растущий спрос на передачу данных в беспроводных сетях нового поколения, необходимо использовать обширные частотные ресурсы в диапазонах миллиметровых волн.
Бён Джу Ли, ведущий автор исследования, профессор кафедры телекоммуникаций в Инчхонском национальном университете Южной Кореи
Бён Джу Ли объяснил, что метод исследования в его работе обеспечивает точное формирование луча, что позволяет сигналам беспрепятственно подключаться к устройствам, даже когда пользователи находятся в движении. В настоящее время проблема сетей, использующих высокочастотный радиочастотный спектр, такой как миллиметровые волны, заключается в том, что они полагаются на большую группу антенн, работающих вместе по принципу множественного ввода-вывода (MIMO). Для обеспечения связи между базовыми станциями и мобильными устройствами с совместимыми антеннами этому процессу требуется точная информация, называемая "информацией о состоянии канала" (CSI).
Эта ситуация дополнительно осложняется изменениями в среде сети, например, перемещением антенн вместе с людьми и транспортом или препятствиями на линии прямой видимости между устройствами и вышками сотовой связи. Это приводит к "старению канала" — несоответствию между прогнозируемым состоянием канала и его фактическим состоянием, что приводит к снижению производительности, например, к уменьшению скорости передачи данных и ухудшению качества сигнала.
Чтобы попытаться решить эти проблемы, авторы исследования использовали новый тип модели искусственного интеллекта, известный как трансформер. Свёрточные нейронные сети (CNN) можно использовать для прогнозирования и оптимизации трафика в беспроводных сетях путём распознавания и классификации сигналов.
Но исследователи использовали другой подход: применяя модель-трансформер вместо свёрточной нейронной сети в своём методе сетевого анализа, они могли отслеживать как краткосрочные, так и долгосрочные закономерности в изменениях сигнала. В результате система искусственного интеллекта, получившая название "параметрическая обратная связь CSI с помощью трансформера", могла в режиме реального времени вносить коррективы в беспроводную сеть для улучшения качества соединения между базовой станцией и пользователем, даже если последний быстро двигался.
Улучшение объясняется различием между свёрточными нейронными сетями и трансформерами. Обе модели представляют собой нейронные сети, которые анализируют визуальные паттерны, такие как изображения, — в данном случае паттерны в электромагнитном спектре, — но свёрточные нейронные сети, как правило, обучаются на небольших наборах данных и фокусируются на "локальных" особенностях, в то время как модели-трансформеры используют большие наборы данных и имеют механизм самовнимания, который позволяет им определять важность различных входных элементов и их взаимосвязь на глобальном и локальном уровнях.
Проще говоря, модель-трансформер изучает изображение в целом, в то время как свёрточная нейронная сеть ориентирована на такие особенности, как края и текстуры. Трансформеры, так сказать, видят общую картину. Однако модели-трансформеры требуют больше вычислительных ресурсов, чем свёрточные нейронные сети. Но если они смогут обеспечить надёжные беспроводные сети нового поколения, то в ближайшем будущем могут стать ключом к высокоскоростной беспроводной связи.
Режим сна может выявить коматозных пациентов со скрытым сознанием.
Фото: pxhere.com