無線システムの複雑さが増すにつれ、AI が課題を克服する鍵となる

モバイル ワイヤレス テクノロジが 5G に飛躍するにつれて、ワイヤレス システム設計の複雑さが増しています。

現在、ユーザーグループの拡大に対する需要の高まりにより、貴重なリソースの最適化と共有を強化する必要があり、無線ネットワーク管理の難易度も高まっています。エンジニアは、従来のルールベースの手法を打破し、新しいソリューションを見つけることを余儀なくされています。 AI は、現代のシステムの課題に対する頼りになるソリューションになります。

最近、MathWorks のプリンシパル プロダクト マネージャーである Houman Zarrinkoub 氏は、「最新のワイヤレス システム設計の複雑さを克服する鍵」という記事で、自動運転車間の通信の管理からモバイルの最適化まで、 AI はリソース割り当てを呼び出し、最新のワイヤレス アプリケーションの開発に必要な複雑さをもたらします。

現在、ネットワークに接続されるデバイスの数と範囲が拡大するにつれて、ワイヤレス分野における AI の重要性が大幅に高まっています。エンジニアは、ますます複雑化するシステムに AI を導入する準備を整え、無線システムにおける AI の利点と応用、実装のベスト プラクティスを理解する必要があり、これが無線システム テクノロジーの将来の成功の鍵となると、ホーマン ザリンコウブ氏は述べています。

1 ワイヤレス システムに対する AI の利点

5G への移行により、モバイル ブロードバンド ネットワークの速度と品質が最適化され、超高速通信の必要性が高まりました。 - インダストリー 4.0 デバイス間の時間に敏感な接続のための信頼性の高い低速かつ大規模なマシン通信 - これらは、現代のネットワークにおける 3 つの異なるユースケースであり、エンジニアが AI を採用する原動力となっている競争力です。

デバイスがネットワーク リソースをめぐって競合し、ワイヤレス システムのユーザーとアプリケーションの数が増加し続けるにつれて、人間ベースのルールとして理解されていた直線的な設計パターンでは不十分になります。しかし、AI は任意のパターンを自動的かつ効率的に抽出することで、人間ベースの手法の能力を超えて非線形問題をより適切に解決できます。

この文脈では、人工知能とは、接続されたデバイス、人々のコミュニケーション チャネル、そのリンクに与えられたリソースのパターンを識別するために使用される機械学習および深層学習システムを指します。性能を上げる。簡単に言えば、AI 手法を活用せずにこれらのさまざまなユースケースに合わせてネットワークを運用することは、ほぼ不可能な作業です。

さらに、人工知能はプロジェクト管理にも役立ちます。ソース環境の動作を推定することにより、シミュレーション環境をアルゴリズム モデルに統合することで、エンジニアは最小限のコンピューティング リソースでシステムの主な効果をより迅速に研究できるようになり、設計の検討とその後の反復により多くの時間を費やすことができ、コストを削減できます。時間。

注: AI for Wireless のワークフロー - データ生成、AI トレーニング、検証とテスト、ハードウェアへの展開

2 ワイヤレス システムに AI を適用するためのベスト プラクティス

アプリケーション段階に入ると、データのサイズと品質が AI の有効性にとって重要です。モデルの展開は重要な役割を果たします。

現実世界のさまざまなシナリオを処理するには、さまざまなデータを使用してこれらのモデルをトレーニングする必要があります。ワイヤレス システム アプリケーションは、プリミティブに基づいて新しいデータを合成したり、ワイヤレス信号からデータを抽出したりすることで、AI を堅牢にトレーニングするために必要なデータの変更を 5G ネットワーク設計者に提供します。さまざまなアルゴリズムで反復するための大規模なトレーニング データ セットがなければ、最終結果は全体のグローバルな最適化ではなく、狭い局所的な最適化になる可能性があります。

さらに、現場で AI モデルをテストするための堅牢なアプローチが重要です。

AI テクノロジーのテストに必要な信号の変動に関する問題の 1 つは、狭く局所的な地理的環境でキャプチャされた信号が、エンジニアによる設計品質の最適化方法に悪影響を与える可能性があることです。フィールドの反復がなければ、特定の場所に合わせて AI を最適化するために個々のケースのパラメーターも使用されず、通話のパフォーマンスに悪影響を及ぼします。

3 ワイヤレスの世界での AI の主な応用分野

電気通信や自動車などの分野におけるデジタル変革にも AI の参加が必要です。 AI も同様に、これらのアプリケーションの主な推進力です。

スマート シティ、電気通信ネットワーク、自動運転車 (AV) などのアプリケーションの接続が進むにつれて、かつては機械中心だったエリアに電子通信を配置すると、膨大な量のデータを生成できるようになります。追加されたネットワーク リソースは、も薄く伸びます。

電気通信分野では、人工知能は物理層 (PHY) とその上位の 2 つのレベルで導入されており、その中で、AI アプリケーションは、物理層 (PHY) のパフォーマンスを向上させるために使用されます。 2 つのユーザー回線を接続することを、PHY での操作と呼びます。物理層での AI テクノロジーの適用には、デジタル プリディストーション、チャネル推定、チャネル リソースの最適化に加え、通話中のトランシーバー パラメーターの自動調整 (オートエンコーダー設計とも呼ばれます) が含まれます。

チャネルの最適化とは、2 つのデバイス間の接続、特にネットワーク インフラストラクチャとユーザー機器間の接続を強化することを指します。多くの場合、これは AI を使用して、フィンガープリンティングやチャネル状態情報圧縮などの技術を通じてローカル環境での信号の変動を克服することも意味します。

AI は、指紋認識を通じて、干渉を屋内環境の伝播パターン (個人の侵入によって引き起こされる) にマッピングして、ワイヤレス ネットワークの位置を最適化できます。AI は、これらの変更に基づいて 5G 信号をパーソナライズします。ユーザーの位置を推定します。同時に、チャネル状態情報圧縮では、AI を使用してユーザー機器から基地局へのフィードバック データを圧縮することができ、基地局に通話パフォーマンスの向上を図るように通知するフィードバック ループが利用可能な帯域幅を超えないようにすることができます。通話中断。

Above-PHY は主に、スケジューリング、ビーム管理、スペクトル割り当てなどのネットワーク管理とリソース割り当てに使用され、コア システム リソースを管理および最適化する機能を指します。ネットワークで使用される 競合するユーザーとユースケース。ネットワーク ユーザーとユースケースの数が増加するにつれて、ネットワーク設計者は配信ニーズにリアルタイムで対応するために人工知能テクノロジーに注目するようになりました。

自動車分野では、AIを活用した無線接続により安全な自動運転が可能になります。自動運転車 (AV) は、LIDAR、レーダー、無線センサーなどの複数のソースからのデータに依存して環境を解釈します。自動運転車のハードウェアは、多くの競合する信号からのデータを処理する必要がありますが、AI はセンサー フュージョンを実現して競合する信号を融合できるため、車両のソフトウェアは車両の位置を理解し、環境とどのように相互作用するかを判断できます。

ワイヤレス技術のユースケースが拡大するにつれて、これらのシステムに人工知能を適用する必要性も高まります。 AI がなければ、5G、自動運転車、IoT アプリケーションなどのシステムは、効果的に動作するために必要な複雑さを持たなくなります。エンジニアリング、特にワイヤレス システム設計における AI の役割は近年増加していますが、ユースケースとネットワーク ユーザーの数が増加するにつれて、AI の役割はさらに速いペースで増加し続けることが予想されます。

以上が無線システムの複雑さが増すにつれ、AI が課題を克服する鍵となるの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。