Keysight Technologies und die Universität Málaga arbeiten zusammen, um KI und ML in die fortschrittliche drahtlose Kommunikation voranzutreiben

In einer bahnbrechenden Zusammenarbeit schließen sich Keysight Technologies und die Universität Málaga (UMA) zusammen, um die Kraft der künstlichen Intelligenz (KI) und des Machine Learnings (ML) für fortschrittliche drahtlose Kommunikationssysteme zu nutzen. Mit einem besonderen Fokus auf die Forschung und Entwicklung von 6G hat diese Partnerschaft erfolgreich eine Methode entwickelt, um KI- und ML-Algorithmen in Design- und Messwerkzeuge zu integrieren. Diese Integration zielt darauf ab, ihre Leistung zu validieren und die branchenweite Adoption zu beschleunigen, indem sie Interoperabilitätsprobleme angeht und den Weg für die standardisierte Bereitstellung von KI und ML im drahtlosen Sektor ebnet.

Die Lücke in den drahtlosen Standards schließen

Viele Netzbetreiber und Anbieter haben bereits begonnen, KI und ML in ihren Netzwerken zu nutzen, um Leistung und Effizienz zu verbessern. Das Fehlen klarer drahtloser Standards für die Bereitstellung von KI und ML hat jedoch erhebliche Interoperabilitätsprobleme zwischen Geräteherstellern verursacht. Javier Campos, R&D-Ingenieur bei Keysight, erklärt: „Diese Situation schafft viele Interoperabilitätsprobleme unter den Geräteherstellern, und der Mangel an einem für KI/ML-Technologie optimierten Standard – das ist die Herausforderung, mit der wir zusammen mit der Universität arbeiten.“

Verbesserung der drahtlosen Leistung mit KI

Eine der kritischen Strategien zur Optimierung der drahtlosen Leistung dreht sich um die Bereitstellung und Nutzung genauer Channel State Information (CSI). CSI umfasst die bekannten Kanaleigenschaften und -bedingungen einer Kommunikationsverbindung, was Echtzeitanpassungen der Übertragungen ermöglicht, um eine optimale Leistung aufrechtzuerhalten. Diese Komponente ist entscheidend für die Erreichung zuverlässiger Kommunikation mit hohen Datenraten und Multi-Antenna-Systemen. Traditionell war die Berechnung und Meldung genauer CSI rechnerisch und ressourcenintensiv, was sie zu einem idealen Kandidaten für die Integration von KI und ML in das Netzwerk macht.

Campos hebt das Potenzial von KI in diesem Kontext hervor und erklärt: „Während KI schon seit einiger Zeit existiert, konnte die Branche jetzt konkrete Anwendungsfälle identifizieren, wie die Optimierung des CSI-Feedbacks, bei denen KI enorme Gewinne bei Leistung, Ressourcennutzung und Energieeffizienz erzielen kann.“

KI-gestützte Verbesserung des CSI-Feedbacks

Da CSI als primärer Anwendungsfall erkannt wurde, der von KI und ML profitiert, haben drahtlose Forscher an der UMA ein KI/ML-Modell zur Verbesserung des CSI-Feedbacks entwickelt. Mari Carmen Aguayo, Professorin an der Universidad de Málaga und Leiterin des Instituts für Telekommunikationsforschung (TELMA), erläutert: „Was wir tun, ist die Reduzierung der Informationen, die über die Luft gesendet werden müssen, um genaue CSI vom Endgerät an die Basisstation bereitzustellen.“ Diese Reduzierung wird durch KI-Algorithmen erreicht, die die erforderlichen Informationen auf ein Minimum komprimieren, um optimale Leistung bei der geringsten Datenübertragung zu gewährleisten.

Um die Überlegenheit ihres ML-Modells gegenüber herkömmlicher digitaler Signalverarbeitung (DSP) für CSI-Feedback zu validieren, wandten sich die UMA-Forscher an Keysight für eine Digital-Twin-Plattform. Diese Plattform emulierte die Leistung ihres Modells unter realen Bedingungen und ermöglichte umfassende Tests unter verschiedenen Fading-Profilen und Testszenarien.

Türen für KI/ML-basierte Standards öffnen

Durch ihre gemeinsamen Bemühungen haben Keysight und UMA eine Schnittstelle entwickelt, die die Integration beliebiger KI/ML-Algorithmen, die gängigen KI/ML-APIs und -Frameworks entsprechen, in Keysights SystemVue, ein Modellierungstool, ermöglicht. Dieser Durchbruch ebnet den Weg für die gesamte Branche, KI- und ML-Algorithmen effektiv zu nutzen. Um diesen Integrationsprozess zu erleichtern, arbeiten Keysight und UMA aktiv daran, diese Innovation in den Standardisierungsgremium 3rd Generation Partnership Project Radio Access Network (3GPP RAN-1) einzubringen.

Campos sagt: „Gemeinsam freuen wir uns darauf, in den verschiedenen Bereichen voranzukommen, die 3GPP untersucht. Wir arbeiten daran, eine bessere Benutzerfreundlichkeit und Messungen zu erhalten, um die notwendigen Erkenntnisse zu gewinnen, um diese neue Technologie in die Industrie zu bringen.“

Beiträge zur 3GPP-Veröffentlichung 18

Nach der erfolgreichen Validierung ihrer KI-Modelle präsentierten UMA und Keysight diese Innovationen zusammen mit den zugehörigen bewährten Messpraktiken dem 3GPP im Rahmen von Release 18. Dies markiert die erste 3GPP-Veröffentlichung, die sich mit KI/ML-Verbesserungen für die Luftschnittstelle befasst, was die Bedeutung ihrer Arbeit für die Gestaltung der Zukunft der drahtlosen Kommunikation unterstreicht.

Eine kontinuierliche Partnerschaft für die Zukunft

Die Partnerschaft zwischen UMA und Keysight ist noch lange nicht vorbei. Ihre Zusammenarbeit wird mit Plänen fortgesetzt, weitere Beiträge zu leisten und ihre Erkenntnisse auf zusätzliche Keysight-Tools auszuweiten. Ihr ultimatives Ziel ist es, drahtlose Forscher weltweit zu befähigen, das Potenzial von KI und ML zur Gestaltung der Zukunft der fortschrittlichen drahtlosen Kommunikation zu nutzen.

Die Zusammenarbeit zwischen Keysight Technologies und der Universität Málaga stellt einen bedeutenden Schritt nach vorne bei der Integration von KI und ML in fortschrittliche drahtlose Kommunikationssysteme dar. Ihre Bemühungen adressieren Interoperabilitätsprobleme und legen den Grundstein für die standardisierte Bereitstellung von KI und ML in der drahtlosen Industrie, was in der Ära der 6G-drahtlosen Technologie verbesserte Leistung, Ressourcennutzung und Energieeffizienz verspricht.