Vés enrere Un treball pioner en la descripció de l'arquitectura d'un nou estàndard per a xarxes de telecomunicació del futur

Un treball pioner en la descripció de l'arquitectura d'un nou estàndard per a xarxes de telecomunicació del futur

Presentat per membres dels grups de recerca Wireless Networking Group i AI&ML, que lideren els investigadors Boris Bellalta i Anders Jonsson al Departament de Tecnologies de la Informació i les Comunicacions, dut a terme amb el finançament de l'organisme StandICT dins d'un projecte Horitzó 2020 de la Unió Europea  i publicat a l’IEEE Communications Magazine.

22.04.2020

Imatge inicial

La Unió Internacional de Telecomunicacions (ITU) és un organisme de l'Organització de les Nacions Unides encarregat de regular les telecomunicacions a nivell internacional entre diferents administracions i empreses operadores. Per recomanació especifica d'aquesta organització, el passat 1 de juliol, es va aprovar l'estàndard Y.3172 per a xarxes de telecomunicació, una arquitectura per a l'aprenentatge automàtic en xarxes futures (5G i més enllà). Aquest nou estàndard defineix una arquitectura lògica de xarxa que ha estat pensada per a incloure mecanismes d’aprenentatge automàtic (en anglès, machine learning) de manera intrínseca.

L’organisme StandICT.eu, que promou la participació i contribució d’acadèmics a estàndards del mercat únic digital (Single Digital Market), com ara 5G, Cloud Computing, Cybersecurity, Big Data i IoT, va concedir a membres del Departament de Tecnologies de la Informació i les Comunicacions (DTIC) de la UPF un ajut del tipus “Short Term”, gràcies al qual han pogut participar en tres reunions del Focus Group on Machine Learning for Future Networks including 5G (FG-ML5G) de la ITU. 

El primer treball que introdueix l’arquitectura per a l'estàndard Y.3172 i en proposa una adopció per a xarxes Wi-Fi 

Amb aquest ajut, els grups de recerca Wireless Networking  i AI&ML, liderats per Boris Bellalta i Anders Jonsson del DTIC de la UPF, respectivament, han estudiat com l’aplicació d'aprenentatge automàtic pot donar lloc a una sèrie de casos d’ús que requereixen transmissions d’entre 10 i 20 Gbps de capacitat, suportar grans quantitats de dispositius (1M/km2) o reduir la latència a menys de 5 ms, amb una taxa d’error menor a 0.00001.

Gràcies a l’aplicació d’aquest tipus de tècniques, és possible aprendre una sèrie de patrons complexos que els mecanismes actuals no contemplen, com podria ser la càrrega de la xarxa, la interferència rebuda, o bé l’estat de cada dispositiu

Els resultats de la recerca han estat publicats per Francesc Wilhelmi, Sergio Barrachina, Boris Bellalta, Cristina Cano, Anders Jonsson i Vishnu Ram, a la revista l’IEEE Communications Magazine, el passat 18 de març. El treball també inclou un cas d’ús que consisteix en l’associació d’usuaris en xarxes denses mitjançant aprenentatge profund (és a dir, xarxes neuronals). Gràcies a l’aplicació d’aquest tipus de tècniques, és possible aprendre una sèrie de patrons complexos que els mecanismes actuals no contemplen, com podria ser la càrrega de la xarxa, la interferència rebuda, o bé l’estat de cada dispositiu. 

"Creiem que és una publicació rellevant perquè és el primer article que introdueix l’arquitectura per a l'estàndard Y.3172 i en proposa una adopció per a xarxes Wi-Fi . A més a més, l’estàndard de la ITU és pioner en aquest camp, i s'albira que tingui un gran potencial per a xarxes del futur, com poden ser les 5G i 6G", explica Francesc Wilhelmi, primer autor del treball.

Treball de referència:

Francesc Wilhelmi, Sergio Barrachina-Munoz, Boris Bellalta, Cristina Cano, Anders Jonsson, Vishnu Ram (2020), “A Flexible MachineLearning-Aware Architecture for Future WLANs”,  l’IEEE Communications Magazine (Data Science and Artificial Intelligence for Communications Series), Vol: 58 , 3 , 18 de març, DOI: 10.1109/MCOM.001.1900637

Multimèdia

Categories:

ODS - Objectius de desenvolupament sostenible:

Els ODS a la UPF

Contact

Per a més informació

Notícia publicada per:

Oficina de Comunicació