Программное обеспечение для моделирования радиоканала в беспроводной связи 5G и 6G, основанное на использовании трассировки лучей и машинного обучения, разработали в Центре искусственного интеллекта НИУ ВШЭ. Узнать, как радиоволны распространяются между передатчиком (например, вышкой сотовой связи) и приемником (мобильным устройством), позволяют эти программы. Также ученые создали программу для обучения нейросети и ее применения для интерполяции данных моделирования трассировки лучей, чтобы преобразовывать данные трассировки лучей в формат последовательности кадров, конфигурировать и обучать на их основе нейросеть с последующим сохранением.
Разрабатываемый Центром ИИ новый метод моделирования радиоканала в беспроводной связи 5G и 6G основан на использовании трассировки лучей и машинного обучения. Позволяет он анализировать распространение сигналов и радиоволн через беспроводное пространство, учитывая различные факторы, такие как отражение от препятствий и стен. Качество связи между устройствами это улучшит и для эффективной работы связи поможет предсказать зоны покрытия сети, а также оптимизировать расположение антенн.
Развитие сетей 5G и 6G значительно улучшает машинное обучение, ускоряя и оптимизируя ключевые процессы. К примеру, анализируя данные о загрузке и равномерно распределяя трафик между различными узлами, можно обеспечивать высокую производительность сети. Алгоритмы, изучая информацию о перемещении пользователей, предсказывают их будущее местоположение и совершенствуют процессы переключения между базовыми станциями. Обеспечить непрерывную связь и минимизировать задержки позволяет данное обстоятельство. Помимо этого, машинное обучение может управлять лучом передачи данных, определять его оптимальное направление для каждого пользователя или устройства, что позволяет увеличить пропускную способность сигнала и оптимизировать его качество.
Разрабатываемый Центром ИИ новый метод моделирования радиоканала в беспроводной связи 5G и 6G основан на использовании трассировки лучей и машинного обучения. Позволяет он анализировать распространение сигналов и радиоволн через беспроводное пространство, учитывая различные факторы, такие как отражение от препятствий и стен. Качество связи между устройствами это улучшит и для эффективной работы связи поможет предсказать зоны покрытия сети, а также оптимизировать расположение антенн.
Развитие сетей 5G и 6G значительно улучшает машинное обучение, ускоряя и оптимизируя ключевые процессы. К примеру, анализируя данные о загрузке и равномерно распределяя трафик между различными узлами, можно обеспечивать высокую производительность сети. Алгоритмы, изучая информацию о перемещении пользователей, предсказывают их будущее местоположение и совершенствуют процессы переключения между базовыми станциями. Обеспечить непрерывную связь и минимизировать задержки позволяет данное обстоятельство. Помимо этого, машинное обучение может управлять лучом передачи данных, определять его оптимальное направление для каждого пользователя или устройства, что позволяет увеличить пропускную способность сигнала и оптимизировать его качество.