AI技術提升下一代網路可靠性

隨著5G和6G網路的不斷擴充套件，它們承諾將帶來極其快速且可靠的無線連線未來。背後的一項關鍵技術是毫米波（mmWave），它利用超高頻無線電波傳輸大量資料。為了充分發揮毫米波的效能，網路採用了大量天線共同運作的方式，也就是大規模多輸入多輸出（Massive Multiple-Input Multiple-Output，MIMO）技術。

然而，管理這些複雜的天線系統是一項挑戰。它們需要基站（如行動電話基地臺）與裝置之間無線環境的精準資訊，這類資訊稱為通道狀態資訊（Channel State Information，CSI）。問題在於，這些訊號條件變化迅速，尤其是在移動的情況下，像是在汽車、火車甚至無人機上。這種快速變化，也就是通道老化效應，可能會導致錯誤並中斷連線。

有鑑於此，仁川國立大學由副教授Byungju領導的研究團隊開發出一種新的人工智慧解決方案。他們的方法稱為變壓器輔助引數化CSI回饋，該方法專注於訊號的關鍵方面，而非傳送所有詳細資訊。它聚焦於包括角度、延遲和訊號強度在內的幾個關鍵資訊。

透過聚焦這些關鍵引數，系統大幅減少了需要回傳到基站的資訊量。相關論文已發表在《IEEE無線通訊交易》期刊上。Byungju Lee教授解釋道：「為了應對下一代無線網路中迅速增長的資料需求，充分利用毫米波頻段豐富的頻率資源至關重要。在毫米波系統中，使用者的快速移動使通道老化成為一個現實問題。」

該團隊利用人工智慧（AI），特別是變壓器模型，來分析和預測訊號模式。與卷積神經網路（CNN）等舊技術不同，變壓器能夠追蹤訊號變化中的短期和長期模式，即使在使用者快速移動時也能進行即時調整。

他們方法的一個關鍵方面是在向基站回饋資訊時，優先考慮最重要的資訊——角度和延遲。這是因為這些引數對連線品質的影響最大。

測試顯示，他們的方法顯著降低了錯誤率（比傳統方法的錯誤率低超過3.5 dB），並提高了資料可靠性，以位元錯誤率（Bit Error Rate，BER）衡量。該解決方案還在多種場景下進行了測試，從時速3公里的行人到時速60公里的車輛，甚至是高速公路等高速度環境。在所有情況下，該方法都優於傳統方法。

這一突破能夠為高速列車上的乘客提供無間斷的網際網路連線，透過衛星在偏遠地區實現無縫通訊，並在傳統網路可能失效的災難期間增強連線性。它還有望使車聯網（Vehicle-to-Everything，V2X）通訊和海事網路等新興技術受益。Lee教授表示：「我們的方法確保了精準的波束成形，即使在使用者移動時，也能讓訊號與裝置無縫連線。」

這種創新方法為無線通訊設定了新的標準，確保了下一代網路所需的可靠性和速度。