Алгоритм ALPACA на основе нейронной сети предсказывает состояние канала связи и снижает расход его ресурсов более чем на 30%, позволяя обслуживать на 40% больше пользователей без потери надежности.
Ученые Московского физико-технического института разработали алгоритм машинного обучения ALPACA, который повышает емкость беспроводных сетей пятого поколения на 30–40%. Новый подход позволяет увеличить число пользователей с надежной связью и одновременно снизить расход ресурсов канала более чем на треть.
Развитие сетей 5G открывает дорогу приложениям, где цена ошибки критически высока: удаленная хирургия, управление беспилотным транспортом, «умные» энергосети, промышленная автоматика. Все эти сценарии относятся к классу URLLC — сверхнадежных систем связи с минимальными задержками. Задержка в них не должна превышать нескольких миллисекунд, а вероятность потери пакета данных — одной стотысячной доли процента. Выдержать такие параметры крайне сложно: качество беспроводного канала постоянно меняется из-за движения абонентов, помех и переотражений сигнала.
Существующие решения с задачей не справляются в полной мере. Эвристические алгоритмы и классические нейросетевые модели либо переоценивают канал — тогда пакеты теряются, либо занижают прогноз — тогда ресурсы уходят впустую. По словам Кирилла Глинского, первого автора исследования, традиционные методы не всегда позволяют обеспечить строгие требования по задержке и надежности, особенно при высокой мобильности пользователей, поэтому он решил изучить возможность применения нейросетевых алгоритмов.
Источник: hi-tech.mail.ru