يمنح تضمين الذكاء الاصطناعى في طبقة phy الأدوات البيئية لشركة Telco للأدوات الجديدة للكفاءة ، واستخدام الطيف ، والأداء-ويضع الأساس للرؤية الأصلية لـ 6G في 6G
وعد 5G السرعة والقدرة ، ولكن الوفاء بهذا الوعد قد خلق تحديات جديدة: عمليات النشر الكثيفة ، متطلبات الطاقة ، وحدود أساليب التحسين التقليدية. يسعى 3GPP الإصدار 19 إلى معالجة نقاط الألم هذه وجهاً لوجه من خلال تضمين الذكاء الاصطناعي و ML في الطبقة المادية والطبقية (PHY) ، مما يوفر للمشغلين أدوات جديدة لترويض التعقيد وإلغاء القفل.
بدأ استكشاف AI/ML في الإصدارات السابقة ، واستهداف إدارة الشعاع ، وتحديد المواقع ، وتحسينات معلومات حالة القناة (CSI). يعتمد الإصدار 19 على هذا العمل من خلال إدخال إطار عام لـ AI/ML على واجهة الهواء. يطلق Ericsson هذا الإطار “العمود الفقري لتكامل الذكاء الاصطناعي” إلى شبكات الهاتف المحمول. تصبح إمكاناتها واضحة في حالات الاستخدام الملموسة ، الإصدار 19 ، بما في ذلك:
إدارة الشعاع
أحد أكثر تطبيقات الإصدار 19 من الذكاء الاصطناعي/مل في إدارة الشعاع (BM) ، وهي تقنية تمكن محطة أساسية من توجيه مسارات نقل متعددة بكفاءة ودقة للحفاظ على جودة الارتباط. لمساعدة محطة أساسية في تحديد الحزمة الأمثل للجهاز ، يقيس الجهاز عادة قوة جميع الحزم المتاحة. عندما يتم تطبيق الذكاء الاصطناعي على الجهاز أو الشبكة ، يمكن التنبؤ بأفضل شعاع باستخدام بيانات من مجموعة فرعية فقط من الحزم ، وتقصير وقت القياس وتقليل عمليات النقل غير الضرورية. تعمل هذه العملية على تحسين كفاءة الطاقة لكل من المحطة الأساسية والجهاز مع الحفاظ على موارد الراديو القيمة.
كما لاحظت إحدى ورقة بحث IEEE: “قد تكافح تقنيات BM التقليدية من أجل مواكبة التعقيد المتزايد والطبيعة الديناميكية لأنظمة الاتصالات الحديثة. AI يوفر القدرة على التعامل مع هذا التعقيد من خلال التعلم من البيانات والتكيف مع الظروف المتغيرة في الوقت الفعلي. يمكن أن يؤدي ذلك إلى تحسين الأداء ، وزيادة التكاليف الجديدة.
تحسين MIMO ضخمة
يعد MIMO الضخم مكاسب كبيرة في القدرة والتغطية ، لكن إدارة مئات عناصر الهوائي معقدة من الناحية الحسابية. يقدم الإصدار 19 نماذج مدفوعة AI التي يمكنها معالجة بيانات القناة عالية الأبعاد بشكل أكثر كفاءة ، وتحسين الدقة المسبقة ، وربط المستخدم ، واختيار الشعاع في الوقت الفعلي. هذا يقلل من الحمل الحسابي في المحطة الأساسية مع الحفاظ على الأداء أو حتى تحسينه. بالنسبة للمشغلين ، فهذا يعني استخراج القيمة الكاملة لنشرات MIMO الخاصة بهم ، وخاصة في البيئات الكثيفة التي يكون فيها MIMO متعدد المستخدمين المفتاح.
ارتباط التكيف والجدولة
تتوقف قرارات التكيف والجدولة على اختيار مخطط التعديل والترميز المناسب (MCS) لكل مستخدم في أي لحظة معينة. تعتمد الخوارزميات التقليدية على عتبات محددة مسبقًا يمكن أن تكون محافظة وصارمة. من خلال تطبيق AI/ML ، يهدف الإصدار 19 إلى إنشاء جدولة أكثر ذكاءً وعيًا أكثر وعيًا بالسياق تتكيف ديناميكيًا مع ظروف حركة المرور ، وتنقل المستخدم ، والتداخل. والنتيجة الموعودة هي كفاءة طيفية أعلى ، وتجربة مستخدم أكثر اتساقًا ، وتحسين الإنتاجية عبر الخلية.
اكتشاف الإشارات وإدارة التداخل
كما تكثيف الشبكات ، يكون التداخل هو عامل الأداء المحدد بشكل متزايد. تجلب أجهزة الاستقبال العصبية والمعادلات المستندة إلى ML في الإصدار 19 الذكاء القائم على البيانات لعملية الكشف ، وتعلم التمييز بين الإشارات المطلوبة عن الضوضاء والتداخل بشكل أكثر فعالية من الأساليب التقليدية. يمكن أن تحسن هذه المستقبلات التكيفية الموثوقية في عمليات النشر الحضرية الكثيفة ، وتوسيع نطاق التغطية في مناطق الإشارة الضعيفة ، وتقليل معدلات الخطأ ، مما يقلل في نهاية المطاف عمليات إعادة الإرسال وزيادة قدرة النظام الإجمالية.
ردود الفعل معلومات قناة الدولة
تدعم وظائف RAN الموضحة أعلاه ، تعليقات CSI هي معلومات معلومات القناة (CSI) ، وهي عملية ترسل فيها معدات المستخدم (UE) وصفًا للخصائص الحالية للقناة اللاسلكية إلى المحطة الأساسية. يستخدم جهاز الإرسال هذه المعلومات لتكييف استراتيجية الإرسال الخاصة به ، وتعديل معدل البيانات ، والاتجاه ، ومعالجة الإشارات لتحسين الاتصال وضمان نقل بيانات موثوق وعالي السرعة.
العملية التقليدية ، حيث تقيس UEs قناة الوصلة الهابطة وتغذية المعلومات التفصيلية إلى GNB ، هي ثقيلة للموارد وبطيئة في التكيف. يقدم الإصدار 19 نماذج AI/ML التي يمكن أن تضغط CSI وحتى تنبؤ حالات القناة بناءً على قياسات محدودة. هذا يقلل من الملاحظات العامة ، ويقصر أوقات الاستجابة ، ويحفظ الطيف ، مع الاستمرار في إعطاء المحطة الأساسية الدقة التي تحتاجها لاتخاذ القرارات الأمثل.
الآثار الواسعة في الصناعة
إن تضمين AI و ML مباشرة في الطبقة المادية (PHY) من المكدس الراديوي 5G – وفي النهاية 6G – يحمل آثارًا كبيرة عبر النظام البيئي للاتصالات.
بالنسبة للبائعين ، فهذا يعني تصميم معدات الشبكة التي يمكن أن تدعم ليس فقط معالجة الإشارات التقليدية ولكن أيضًا وظائف AI لإدارة الشعاع ، وتخفيف التداخل ، وتقدير القناة. وهذا يتطلب بنيات جديدة قادرة على تحقيق التوازن بين عمليات phy الحتمية مع نماذج تكيفية تعتمد على البيانات-مزج الهندسة الكلاسيكية بشكل أساسي مع التعلم الآلي.
بالنسبة للمشغلين ، يترجم تضمين الذكاء الاصطناعى في PHY إلى مزيد من الكفاءة وخفة الحركة في كيفية تشغيل الشبكات. يمكن لإدارة الشعاع الأكثر ذكاءً أن تمدد مدى وصول MMWAVE ، يمكن أن تؤدي التكيف مع الارتباط المحسّن AI إلى تحسين الأداء في البيئات الصعبة ، ويمكن أن يقلل النفقات العامة في القياس من استهلاك الطاقة. معًا ، يمكن أن تؤدي هذه التحسينات إلى أسفل Opex ، وتساعد مشغلي المساعدة على الاستفادة بشكل أفضل من الطيف ، ودعم في النهاية فرص خدمة جديدة.
بالنسبة إلى صانعي الرقائق ، يتمثل التحدي في دمج تسارع الذكاء الاصطناعي على مستوى السيليكون دون تفجير ميزانيات الطاقة. يجب إعادة تصور المودم ، ومعالجات النطاق الأساسي ، و RF الأمامية لتشغيل نماذج استنتاج خفيفة الوزن على الحافة. من شأن النجاح هنا أن يمنح صانعي الأجهزة وبائعي البنية التحتية ميزة حاسمة ، مع دفع الذكاء الاصطناعى إلى أجهزة السوق الشامل.
الافراج عن 19 كجسر لشبكات منظمة العفو الدولية الأصلية
غالبًا ما يتم وصف 6G بأنها أصلية منظمة العفو الدولية-الرؤية هي أن الذكاء الاصطناعى يمس بشكل أساسي كل جانب من جوانب الشبكة ، من التخطيط إلى التحسين. لكن الإصدار 19 ، أو 5G-advanced (5G-A) ، يضع الأساس اللازم ، ويسد التحسينات العملية اليوم والرؤية المعمارية للغد. من خلال تضمين AI و ML في الطبقة النباتية وإضفاء الطابع الرسمي على إطار لإدارة دورة الحياة ، والتدريب ، وجمع البيانات ، يسعى الإصدار 19 إلى وضع AI على أنه أكثر من إضافة تجريبية وبدلاً من ذلك ، قدرة موحدة.
