Kita harus menyerahkan kontrol ke AI jika kita ingin kecepatan 5g dan 6g yang lebih cepat, kata para ilmuwan
Para ilmuwan sedang berkembang kecerdasan buatan (AI) Model yang dapat membantu jaringan nirkabel generasi berikutnya seperti 6G memberikan koneksi yang lebih cepat dan lebih andal.
Di sebuah belajar Itu ditampilkan pada bulan Desember 2024 edisi transaksi IEEE pada komunikasi nirkabel, para peneliti merinci sistem AI yang mengurangi jumlah informasi yang perlu dikirim antara perangkat dan stasiun pangkalan nirkabel – seperti menara sel – dengan berfokus pada informasi utama seperti sudut, penundaan dan kekuatan sinyal.
Dengan mengoptimalkan data sinyal dalam jaringan nirkabel yang menggunakan gelombang milimeter frekuensi tinggi (pita gelombang MMWAl dari spektrum elektromagnetik, para peneliti menemukan bahwa kesalahan konektivitas berkurang secara signifikan, dan sistem AI meningkatkan keandalan data dan konektivitas di lingkungan yang beragam, seperti di daerah perkotaan dengan lalu lintas yang bergerak dan pejalan kaki.
“Untuk mengatasi permintaan data yang berkembang pesat dalam jaringan nirkabel generasi berikutnya, penting untuk memanfaatkan sumber daya frekuensi yang berlimpah di band-band MMWave,” kata penulis utama penelitian ini, Byungju Leeseorang profesor di departemen telekomunikasi di Universitas Nasional Incheon, Korea Selatan.
“Metode kami memastikan beamforming yang tepat, yang memungkinkan sinyal untuk terhubung dengan mulus dengan perangkat, bahkan ketika pengguna sedang bergerak,” kata Lee.
Cara yang lebih pintar untuk membentuk gelombang
Tantangan saat ini untuk jaringan yang menggunakan spektrum radio frekuensi tinggi seperti MMWaves adalah bahwa mereka bergantung pada sekelompok besar antena yang bekerja bersama melalui multiple-output multiple-input (MIMO) yang sangat besar. Proses ini membutuhkan informasi yang tepat – disebut sebagai “informasi status saluran” (CSI) – untuk memberikan konektivitas antara stasiun pangkalan dan perangkat seluler dengan antena yang kompatibel.
Situasi ini semakin rumit oleh perubahan pada lingkungan jaringan, seperti antena yang bergerak dengan orang -orang dan lalu lintas, atau halangan dalam garis pandang antara perangkat dan menara sel. Hal ini mengarah pada “penuaan saluran” – ketidakcocokan antara keadaan saluran yang diprediksi dan keadaan aktualnya, yang menghasilkan kinerja terdegradasi seperti berkurangnya throughput data dan kualitas sinyal.
Untuk mencoba dan mengatasi tantangan seperti itu, penulis penelitian menggunakan jenis baru model AI yang dikenal sebagai transformator. Convolutional Neural Networks (CNNS) dapat digunakan untuk membantu memprediksi dan mengoptimalkan lalu lintas jaringan nirkabel, dengan mengenali pola sinyal dan klasifikasi.
Tetapi para peneliti mengambil pendekatan yang berbeda: dengan menggunakan model transformator alih-alih CNN dalam metode analisis jaringan mereka, baik pola jangka pendek dan jangka panjang dalam perubahan sinyal dapat dilacak. Akibatnya, sistem AI, yang dijuluki “umpan balik CSI parametrik yang dibantu transformator”, dapat membuat penyesuaian waktu nyata di jaringan nirkabel untuk meningkatkan kualitas koneksi antara stasiun pangkalan dan pengguna, bahkan jika yang terakhir bergerak dengan cepat.
Peningkatan dijelaskan oleh Perbedaan antara CNN dan transformer. Keduanya adalah model jaringan saraf yang menganalisis pola visual seperti gambar – dalam hal ini, pola pada spektrum elektromagnetik – tetapi CNNs cenderung dilatih pada dataset yang lebih kecil dan fokus pada fitur “lokal”, sedangkan model transformator menggunakan dataset yang lebih besar dan memiliki mekanisme perhatian diri Itu memungkinkan mereka untuk menentukan pentingnya elemen input yang berbeda dan hubungan mereka di tingkat global dan lokal.
Secara sederhana, model transformator akan belajar tentang gambar secara keseluruhan, sedangkan CNN memiliki bias terhadap fitur seperti tepi dan tekstur. Transformers melihat gambaran yang lebih besar, jadi untuk berbicara.
Namun, model transformator lebih menuntut secara komputasi daripada CNNs. Tetapi jika mereka dapat memberikan jaringan nirkabel generasi berikutnya yang kuat, mereka bisa menjadi kunci komunikasi nirkabel berkecepatan tinggi dalam waktu dekat.
