Electronique Mag - Le journal de l'électronique.

Le partenariat, qui se concentre sur la recherche et le développement de la 6G, a mis au point une méthode pour importer ces algorithmes dans les outils de conception et de mesure afin de valider leurs performances et d’accélérer l’adoption par le secteur.

"De nombreux opérateurs et fournisseurs de réseaux utilisent déjà l’IA et le machine learning dans leurs réseaux. Mais, jusqu’à présent, il n’y a pas eu de soutien de la part des standards sans fil sur la façon dont l’IA et le machine learning devraient être déployés ", explique Javier Campos, ingénieur R&D chez Keysight. "Cette situation crée de nombreux problèmes d’interopérabilité entre les fournisseurs d’équipements et le fait d’avoir une norme qui n’est pas optimisée pour la technologie AI / ML : c’est le défi que notre collaboration avec l’université vise à résoudre."

Optimiser les performances grâce à l’IA

L’un des moyens les plus efficaces d’optimiser les performances des systèmes sans fil est de fournir et d’utiliser des informations précises sur l’état du canal (channel state information ou CSI), c’est-à-dire les propriétés et les conditions connues du canal de communication. Les informations sur l’état du canal sont exploitées en temps réel au sein d’un système sans fil afin d’adapter au mieux les transmissions aux conditions réelles du canal, dans le but de maintenir des performances optimales. Il s’agit d’un élément crucial pour obtenir des communications fiables avec des débits de données élevés et des systèmes multi-antennes. Traditionnellement, le calcul et le rapport d’un CSI précis nécessitent beaucoup de calculs et de ressources, ce qui en fait un bon candidat pour l’intégration de l’IA et de la ML dans le réseau.

"L’IA existe depuis longtemps, mais les entreprises sont désormais en mesure d’identifier des cas d’usage concrets, comme l’optimisation du feedback CSI, où l’IA peut apporter des gains considérables en termes de performance, de gestion des ressources et d’efficacité énergétique", ajoute Javier Campos.

"Notre travail consiste à réduire la quantité d’informations à envoyer par voie hertzienne pour fournir une information de base précise entre l’équipement de l’utilisateur et la station de base ", indique Mari Carmen Aguayo, professeur à l’université de Málaga et directrice de l’institut de recherche en télécommunications (TELMA). "Nous y parvenons en utilisant des algorithmes d’intelligence artificielle qui peuvent comprimer les informations en de très petites quantités, en envoyant le minimum d’informations requis pour maintenir la meilleure performance".

Au moment de valider la supériorité de leur modèle ML par rapport au traitement numérique du signal (DSP) traditionnel pour la rétroaction CSI, les chercheurs se sont tournés vers Keysight pour obtenir une plateforme de jumeau numérique afin d’émuler les performances de leur modèle dans des conditions réelles. En créant une couche d’interface connectée à l’outil de modélisation PathWave System Design (SystemVue) de Keysight, les chercheurs de l’UMA ont pu évaluer le modèle dans un grand nombre de profils d’évanouissement et sous d’autres conditions de test afin de prouver que cette méthode est plus performante que les approches traditionnelles.

Travail conjoint sur les normes basées sur l’IA et le ML

Grâce à cette nouvelle interface, tout algorithme d’IA ou de ML qui correspond aux API et aux cadres d’IA ou de ML les plus courants peut désormais être importé dans SystemVue de Keysight et utilisé par l’ensemble des acteurs du secteur. Pour faciliter ce processus, Keysight et UMA travaillent ensemble pour porter cette innovation devant l’organisme de normalisation 3GPP RAN-1.

"Ensemble, nous espérons avancer dans les différents domaines étudiés par le 3GPP", souligne Javier Campos. "Nous nous efforçons d’améliorer la simplicité d’utilisation et les mesures, afin d’obtenir les informations nécessaires pour mettre cette nouvelle technologie à la disposition du secteur".

Suite à la validation des modèles d’IA, UMA et Keysight ont présenté ces derniers ainsi que les meilleures pratiques de mesure associées au 3GPP dans le cadre de la version 18, la première version du 3GPP qui étudie les améliorations de l’IA/ML pour l’interface aérienne. Ce partenariat est appelé à se poursuivre et il est prévu d’apporter d’autres contributions et d’étendre ces résultats à un plus grand nombre d’outils Keysight afin d’aider les chercheurs dans le domaine des communications sans fil partout dans le monde.

"Ce qui rend cette collaboration spéciale, c’est que nous avons pu mettre en contact nos chercheurs avec des experts en mesure du secteur", poursuit Mari Aguayo. "Ce type de convergence est source d’innovations prometteuses pour les communications sans fil".

https://www.keysight.com/