El método de IA mejora la fiabilidad de las redes de próxima generación

A medida que las redes 5G y 6G se expanden, prometen un futuro de conexiones inalámbricas increíblemente rápidas y confiables. Una tecnología clave detrás de esto es la onda milimétrica (mmwave), que utiliza ondas de radio de muy alta frecuencia para transmitir grandes cantidades de datos. Para aprovechar al máximo MMWAVE, las redes utilizan grandes grupos de antenas que trabajan juntas, llamados salidas múltiples de entrada múltiple (MIMO).

Sin embargo, el manejo de estos complejos sistemas de antena es un desafío. Requieren información precisa sobre los entornos inalámbricos entre la estación base (como una torre de celda) y su dispositivo. Esta información se llama Información de estado del canal (CSI). El problema es que estas condiciones de señal cambian rápidamente, especialmente cuando se mueven, en un automóvil, tren o incluso un dron. Este rápido cambio, el efecto de envejecimiento del canal, puede causar errores e interrumpir su conexión.

Desde este punto de vista, un equipo de investigadores de la Universidad Nacional de Incheon dirigido por el profesor asociado Byungju ha desarrollado una nueva solución con IA. Su método, llamado comentarios de CSI paramétricos asistidos por transformador, se centra en aspectos clave de la señal en lugar de enviar toda la información detallada. Se concentra en algunas piezas clave de información, incluidos ángulos, retrasos y resistencia a la señal.

Al centrarse en estos parámetros clave, el sistema reduce significativamente la cantidad de información que debe enviarse de regreso a la estación base. El artículo fue publicado en la revista Transacciones IEEE en comunicaciones inalámbricas.

«Para abordar la demanda de datos en rápido crecimiento en las redes inalámbricas de próxima generación, es esencial aprovechar el recurso de frecuencia abundante en las bandas de MMWave. En los sistemas MMWave, el movimiento rápido del usuario hace que este canal envejezca un problema real», explica el Prof. Byungju Lee .

El equipo aprovechó la inteligencia artificial (IA), específicamente un modelo de transformador, para analizar y predecir los patrones de señal. A diferencia de las técnicas más antiguas como los CNN, los transformadores pueden rastrear patrones a corto y largo plazo en los cambios de señal, haciendo ajustes en tiempo real incluso cuando los usuarios se mueven rápidamente.

Un aspecto clave de su enfoque es priorizar la información más importante, los ángulos y los retrasos, cuando envían comentarios a la estación base. Esto se debe a que estos parámetros tienen el mayor impacto en la calidad de la conexión.

Las pruebas mostraron que su método redujo significativamente los errores (más de 3,5 dB de error más bajo que los métodos convencionales) y mejoraron la confiabilidad de los datos, medido por la tasa de error de bit (BER). La solución también se probó en diversos escenarios, desde peatones que caminan a 3 km/h hasta vehículos que se mueven a 60 km/h, e incluso entornos de alta velocidad como las carreteras. En todos los casos, el método superó los enfoques tradicionales.

Este avance puede proporcionar Internet ininterrumpido a los pasajeros en trenes de alta velocidad, permitir una comunicación perfecta en áreas remotas a través de satélites y mejorar la conectividad durante los desastres cuando las redes tradicionales pueden fallar. También está listo para beneficiar a las tecnologías emergentes como las comunicaciones de vehículos a todo (V2X) y redes marítimas.

«Nuestro método garantiza la formación de haz precisa, lo que permite que las señales se conecten a la perfección con los dispositivos, incluso cuando los usuarios están en movimiento», dice el profesor Lee.

Este método innovador establece un nuevo punto de referencia para la comunicación inalámbrica, asegurando la confiabilidad y la velocidad requeridas para las redes de próxima generación.