Ученые разрабатывают модели искусственного интеллекта (ИИ), которые могут помочь беспроводным сетям следующего поколения, таким как 6G, обеспечить более быструю и надежную связь.

В исследовании, опубликованном в декабрьском номере журнала IEEE Transactions on Wireless Communications за 2024 год, ученые подробно описали систему искусственного интеллекта, которая уменьшает количество информации, которую необходимо пересылать между устройством и базовой станцией беспроводной связи — например, сотовой вышкой, — фокусируясь на ключевой информации, такой как углы, задержки и уровень сигнала.

Оптимизируя сигнальные данные в беспроводных сетях, использующих высокочастотные миллиметровые волны (mmWave bands of the electromagnetic spectrum), исследователи обнаружили, что ошибки соединения значительно уменьшились, а система искусственного интеллекта повысила надежность передачи данных и соединения в различных условиях, например, в городских районах с движущимся транспортом и пешеходами.

«Для удовлетворения быстро растущего спроса на данные в беспроводных сетях следующего поколения необходимо использовать богатый частотный ресурс в диапазоне мм-волн», — говорит ведущий автор исследования Бьюнгджу Ли, профессор кафедры телекоммуникаций Инчхонского национального университета (Южная Корея).

«Наш метод обеспечивает точное формирование луча, что позволяет сигналам беспрепятственно соединяться с устройствами, даже когда пользователи находятся в движении», — говорит Ли.

Более разумные способы формирования волн

Современная проблема сетей, использующих высокочастотный радиочастотный спектр, таких как мм-волны, заключается в том, что они опираются на большую группу антенн, работающих вместе посредством массивного многократного ввода-вывода (MIMO). Этот процесс требует точной информации — так называемой «информации о состоянии канала» (CSI) — для обеспечения связи между базовыми станциями и мобильными устройствами с совместимыми антеннами.

Ситуация осложняется изменениями в среде сети, например, перемещением антенн вместе с людьми и транспортом или препятствиями в зоне 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 ухудшению производительности, например, снижению пропускной способности и качества сигнала.

Чтобы попытаться преодолеть эти проблемы, авторы исследования использовали новый вид моделей искусственного интеллекта, известный как трансформатор. Конволюционные нейронные сети (CNN) могут использоваться для прогнозирования и оптимизации трафика беспроводных сетей, распознавая шаблоны сигналов и классифицируя их.

Но исследователи применили другой подход: используя в методе анализа сети модель трансформатора вместо CNN, можно было отслеживать как краткосрочные, так и долгосрочные закономерности в изменении сигнала. В результате система искусственного интеллекта, получившая название «трансформаторная параметрическая обратная связь CSI», могла в реальном времени вносить коррективы в работу беспроводной сети, чтобы улучшить качество соединения между базовой станцией и пользователем, даже если последний быстро перемещался.

Улучшение объясняется разницей между CNN и трансформаторами. И те, и другие представляют собой нейросетевые модели, анализирующие визуальные паттерны, такие как изображения — в данном случае паттерны электромагнитного спектра, — но CNN, как правило, обучаются на небольших наборах данных и фокусируются на «локальных» особенностях, в то время как трансформаторные модели используют большие наборы данных и имеют механизм самовнимания, который позволяет им определять важность различных входных элементов и их взаимосвязь на глобальном и локальном уровне.

Проще говоря, трансформаторная модель изучает изображение в целом, в то время как CNN ориентируется на такие характеристики, как края и текстуры. Так сказать, трансформеры видят картину в целом.

Однако трансформаторные модели более требовательны к вычислительным ресурсам, чем CNN. Но если они смогут обеспечить надежность беспроводных сетей нового поколения, то могут стать ключом к высокоскоростной беспроводной связи в ближайшем будущем.

Разработчики видят большой потенциал в использовании искусственного интеллекта для улучшения работы беспроводных сетей 6G. Алгоритмы машинного обучения могут оптимизировать передачу данных, уменьшая количество необходимой информации и повышая надежность соединения.

В рамках исследования, опубликованного в журнале IEEE Transactions on Wireless Communications, ученые предложили систему искусственного интеллекта, основанную на модели-трансформере. Эта модель, в отличие от традиционных CNN, способна анализировать как краткосрочные, так и долгосрочные изменения в сигналах, что позволяет ей адаптироваться к меняющимся условиям в сети.

Разработанная система, получившая название «трансформаторная параметрическая обратная связь CSI», может в реальном времени корректировать работу беспроводной сети, улучшая качество соединения между базовой станцией и пользователем, даже при его быстром перемещении. Это особенно важно для сетей, использующих миллиметровые волны (mmWave bands), которые чувствительны к изменениям в окружающей среде.

Несмотря на то, что модели-трансформеры требуют больших вычислительных ресурсов, их способность обеспечивать надежность беспроводных сетей нового поколения делает их перспективным решением для высокоскоростной беспроводной связи в будущем.