По данным глобальной ассоциации поставщиков мобильной связи (GMSA) общая стоимость аукционов по продаже спектра за прошлый год достигла $27 млрд. и операторы беспроводных сетей ищут способы наиболее эффективного использования этих немалых вложений. В техническом плане ключевым является повышение пропускной способности выделенной полосы частот.
Компания Capgemini представила на MWC 2021 инновационное решение этой задачи на основе продуктов Intel и машинного обучения. В качестве «строительных блоков» для своего проекта под кодовым названием Project Marconi компания выбрала ПО Intel AI Software и Intel Xeon Scalable 3-го поколения (Ice Lake-SP). Они используются для управления сетью 5G на MAC-уровне с помощью предикативной аналитики в режиме реального времени.
По заявлению компании, Marconi соответствует принципам O-RAN и даёт операторам сетей 5G значительное преимущество в ускорении монетизации услуг, поскольку повышает спектральную эффективность до 15%. Благодаря этому операторы смогут увеличить объём трафика, обрабатываемого каждой сотой и повысить качество обслуживания абонентов (QoE). Кроме того, появится возможность запуска новых услуг для Индустрии 4.0, таких как широкополосная связь (eMBB) и сверхнадёжная связь (URLLC).
Оптимизации нагрузок крупной сети сотовой связи является сложной задачей, связанной с обработкой больших массивов постоянно меняющихся данных. ИИ-технологии позволяют моделировать в реальном времени её поведение и автоматически принимать решения в зависимости от текущего уровня трафика и состояния радиоканалов.
Для внедрения этих технологий Capgemini развернула платформу NetAticipate5G, на которой было собрано более 1 Тбайт данных и проведено большое количество тестовых прогонов, чтобы настроить предикативную аналитику в соответствии с требованиями операторов. В итоге удалось на 40% повысить точность прогнозирования в системе модуляции и кодирования (MCS), параметрами которой управляет ИИ. Таким образом, можно интеллектуально планировать MAC-ресурсы для более полного использования канала связи.
«Теперь машинное обучение можно развернуть для интеллектуального принятия решений в RAN без каких-либо дополнительных требований к оборудованию. Это делает его экономически эффективным и перспективным, поскольку мы переходим к реализации Cloud Native RAN», — сказал Валид Негм (Walid Negm), директор по исследованиям и инновациям Capgemini.
