Investigadores del Instituto Nacional de Estándares y Tecnología (NIST) de USA han desarrollado una fórmula matemática que, según sugieren las simulaciones por ordenador, podría ayudar a 5G y otras redes inalámbricas a seleccionar y compartir frecuencias de comunicación aproximadamente 5.000 veces más eficientemente que los métodos de prueba y error.

La nueva fórmula es una forma de aprendizaje automático que selecciona un rango de frecuencia inalámbrico, conocido como un canal, basado en la experiencia previa en un entorno de red específico. Descrito en la conferencia virtual online (el enlace es externo) esta semana, la fórmula podría programarse en software en transmisores en muchos tipos de redes del mundo real.
La fórmula NIST es una forma de ayudar a satisfacer la creciente demanda de sistemas inalámbricos, incluido 5G, a través del intercambio de rangos de frecuencia, también conocidos como bandas, que no tienen licencia. Wi-Fi, por ejemplo, utiliza bandas sin licencia, aquellas que no están asignadas por la Comisión Federal de Comunicaciones a usuarios específicos. El estudio NIST se centra en un escenario en el que el Wi-Fi compite con los sistemas celulares por frecuencias específicas o subcanales. Lo que hace que este escenario sea desafiante es que estos sistemas celulares están aumentando sus tasas de transmisión de datos mediante el uso de un método llamado Acceso asistido por licencia (LAA), que combina bandas sin licencia y con licencia.

"Este trabajo explora el uso del aprendizaje automático para tomar decisiones sobre qué canal de frecuencia transmitir", afirma el ingeniero del NIST Jason Coder. "Esto podría hacer que las comunicaciones en las bandas sin licencia sean mucho más eficientes".

La fórmula del NIST permite a los transmisores seleccionar rápidamente los mejores subcanales para el funcionamiento exitoso y simultáneo de redes Wi-Fi y LAA en bandas sin licencia. Cada transmisor aprende a maximizar la velocidad total de datos de la red sin comunicarse entre sí. El esquema logra rápidamente un rendimiento general cercano al resultado basado en búsquedas exhaustivas de canales de prueba y error.

La investigación del NIST difiere de los estudios previos de aprendizaje automático en comunicaciones al tener en cuenta múltiples "capas" de red, el equipo físico y las reglas de acceso al canal entre las estaciones base y los receptores.

La fórmula es una técnica de "Q-learning", lo que significa que mapea las condiciones ambientales, como los tipos de redes y la cantidad de transmisores y canales presentes, en acciones que maximizan un valor, conocido como Q, que devuelve la mejor recompensa. Al interactuar con el entorno y probar diferentes acciones, el algoritmo aprende qué canal proporciona el mejor resultado. Cada transmisor aprende a seleccionar el canal que produce la mejor velocidad de datos en condiciones ambientales específicas.

Si ambas redes seleccionan canales de manera apropiada, la eficiencia del entorno de red general combinado mejora. El método aumenta las tasas de datos de dos maneras. Específicamente, si un transmisor selecciona un canal que no está ocupado, entonces aumenta la probabilidad de una transmisión exitosa, lo que lleva a una velocidad de datos más alta. Y si un transmisor selecciona un canal de modo que se minimice la interferencia, entonces la señal es más fuerte, lo que lleva a una mayor velocidad de datos recibidos.

En las simulaciones por ordenador, el método de asignación óptimo asigna canales a los transmisores al buscar todas las combinaciones posibles para encontrar una manera de maximizar la velocidad total de datos de la red. La fórmula NIST produce resultados cercanos al óptimo pero en un proceso mucho más simple. El estudio encontró que un esfuerzo exhaustivo para identificar la mejor solución requeriría alrededor de 45,600 ensayos, mientras que la fórmula podría seleccionar una solución similar probando solo 10 canales, solo el 0,02 por ciento del esfuerzo.
El estudio abordó escenarios interiores, como un edificio con múltiples puntos de acceso Wi-Fi y operaciones de teléfonos celulares en bandas sin licencia. Los investigadores ahora planean modelar el método en escenarios exteriores a gran escala y realizar experimentos físicos para demostrar el efecto.

Documento: S. Mosleh, Y. Ma, J.D. Rezac y J.B. Coder. Acceso dinámico al espectro con refuerzo de aprendizaje para acceso sin licencia en 5G y más allá. Presentación virtual online en la 91a Conferencia de Tecnología Vehicular de IEEE (enlace es externo), 25-28 de mayo de 2020