- Keysight et l’Université de Malaga (UMA) collaborent pour faciliter l’utilisation des techniques d’intelligence artificielle (IA) et de machine learning (ML) dans les systèmes de communication sans fil.
- Ce partenariat se concentre sur la recherche et le développement des sytèmes de communication mobile de sixième génération (6G). Il a permis la mise au point d’une méthode d’importation d’algorithmes d’IA dans les outils de conception et de mesure afin de valider leurs performances.
« De nombreux opérateurs et fournisseurs de réseaux utilisent déjà des techniques d’IA et de machine learning. Mais, jusqu’à présent, il n’y a pas de standards concernant le déploiement de ces techniques dans le domaine des communications sans fil », explique Javier Campos, ingénieur R&D chez Keysight. « Cette situation crée de nombreux problèmes d’interopérabilité entre les fournisseurs d’équipements. Notre collaboration avec l’université vise à résoudre cette problématique. »
Optimiser les performances grâce à l’IA
L’un des moyens les plus efficaces d’optimiser les performances des systèmes de communication 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 de communication 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 au sein de systèmes multi-antennes. Traditionnellement, l’obtention des informations concernant l’état du canalI nécessite d’importantes ressources de traitements que l’intégration d’outils d’IA et de ML au sein du réseau permettrait d’optimiser.
« Bien que l’IA existe depuis longtemps, les entreprises sont aujourd’hui en mesure d’identifier des cas d’usage concrets. L’IA peut notamment apporter des gains considérables en termes de performance, de gestion des ressources et d’efficacité énergétique pour l’optimisation du feedback CSI », indique 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 « , explique 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 afin d’envoyer le minimum d’informations requis pour maintenir la meilleure performance ».
Pour valider la supériorité de leur modèle ML par rapport aux techniques de traitement numérique du signal (DSP) traditionnelles pour la rétroaction CSI, les chercheurs se sont tournés vers Keysight afin d’obtenir une plateforme simulation numérique afin d’émuler les performances de leur modèle dans des conditions réelles via un jumeau numérique. En créant une couche d’interface connectée à l’outil de modélisation PathWave System Design (SystemVue) de Keysight, les chercheurs de l’Université de Malaga 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.
Elaboration des normes reposant 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 être utilisé par l’ensemble des acteurs du secteur. Pour faciliter ce processus, Keysight et l’Université de Malaga travaillent conjointement pour porter cette innovation devant l’organisme de normalisation 3GPP RAN-1.
« Nous espérons avancer ensemble 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, l’Université de Malaga et Keysight les ont présenté au 3GPP ainsi que les meilleures pratiques de mesure associées. Ces travaux pourront ainsi contribué à l’élaboration de la Release 18 des exigences du 3GPP relatives aux télécommunications mobile. La Release 18 est la première version du 3GPP qui étudie les améliorations de l’IA/ML pour l’interface air. 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 de Keysight afin d’aider les chercheurs dans le domaine des communications sans fil.
