Új AI-modell optimalizálja a vezeték nélküli adóelhelyezést — 167 ezer városi forgatókönyv alapján
A modell a lefedettség- és energiaoptimalizálás közötti aszimmetrikus kompromisszumot is feltárja, ami kulcsfontosságú a jövőbeni hálózatok tervezésénél.
Új mesterséges intelligencia alapú megközelítést mutatott be az ArXiv ML, amely a vezeték nélküli adóegységek optimális elhelyezését tanulja épülettérképek alapján — írja a kutatási anyag. A módszer célja, hogy felgyorsítsa a rádióhálózat-tervezést, amely eddig rendkívül költséges és időigényes feladat volt nagy léptékben.
A tanulmány egyetlen adóegység elhelyezésére fókuszál, ahol a hagyományos, képpontról képpontra történő kiértékelés még kezelhetőnek bizonyult, így pontos referenciaadatokat szolgáltatott a gépi tanulási modell számára. A kutatók egy 167 525 városi forgatókönyvet tartalmazó adathalmazt, a RadioMapSeer-Deploymentet vezették be, amely a lefedettség- és energiaoptimalizált adóhelyekre vonatkozó pontos címkéket is tartalmazza.
A rádióhálózatok térképezésének művészete
Az alapigazság-elemzés feltárta a lefedettség- és energiaoptimalizálás közötti aszimmetrikus kompromisszumot. A lefedettségre optimalizált elhelyezés 13,86%-os vételi teljesítményveszteséggel jár, míg az energiaoptimalizált elhelyezés mindössze 5,50%-os lefedettség-csökkenést okoz. A legjobb kiegyensúlyozott elhelyezés az ideális ponttól (100% lefedettség, 100% energia) 2,60 távolságra található.
A jövő rádióhálózatainak építőkövei
A kutatók két tanulási formulát értékeltek: az indirekt, hőtérkép-alapú modelleket, amelyek a vett teljesítmény rádiótérképeit jósolják meg, és a közvetlen, pontszámtérkép-modelleket, amelyek egyenesen az optimális elhelyezést célozzák. A részletes eredmények az ArXiv ML 2604.22056v1 számú publikációjában olvashatók, amely 2024. április 16-án került publikálásra.