Tekoäly voi parantaa mobiiliverkon radiolinkin tehokkuutta merkittävästi. Rohde & Schwarz, Qualcomm ja korealainen operaattori KT Corporation esittelivät Barcelonan MWC-messuilla demon, jossa tekoälypohjainen radiotekniikka nosti downlink-datanopeutta noin 50 prosenttia verrattuna perinteiseen ratkaisuun.
Parannus ei synny siitä, että tekoäly “nopeuttaisi radioaaltoja”, vaan siitä, että verkko pystyy hyödyntämään radiokanavaa tehokkaammin. Keskeinen rooli on niin sanotulla CSI-palautteella (Channel State Information).
Mobiiliverkossa puhelin ei ole pelkkä datapäätelaite, joka vastaanottaa bittivirtaa. Se myös mittaa jatkuvasti radiokanavan tilaa ja raportoi siitä tukiasemalle. Tätä tietoa tarvitaan, jotta tukiasema voi päättää esimerkiksi käytettävän modulaation, MIMO-kerrosten määrän ja säteenmuodostuksen suunnan.
Käytännössä tukiasema lähettää päätelaitteelle referenssisignaaleja, joiden perusteella puhelin arvioi radiokanavan ominaisuudet. Sen jälkeen puhelin lähettää verkkoon CSI-palautteen, joka kertoo millaisessa tilassa radiokanava sillä hetkellä on. Tämä tapahtuu hyvin usein – tyypillisesti millisekuntien välein – koska radioympäristö muuttuu jatkuvasti esimerkiksi liikkeen ja monitie-etenemisen vuoksi.
Juuri siksi CSI-tiedosta tulee helposti merkittävä signalointikuorma. Erityisesti näin tapahtuu moderneissa massive-MIMO-verkoissa, joissa tukiasemassa voi olla kymmeniä tai jopa satoja antennielementtejä.
MWC:ssä esitellyssä demossa tekoälyä käytettiin tämän kanavatiedon käsittelyyn. Ratkaisussa hyödynnettiin niin sanottua kaksipuolista AI-mallia: päätelaite pakkaa CSI-tiedon tekoälyn avulla ja tukiasema rekonstruoi sen omalla AI-mallillaan. Näin radiokanavasta saadaan tarkempi kuva samalla kun palautteeseen tarvittava datamäärä pienenee.
Kun tukiasema ymmärtää radiokanavan tarkemmin, se pystyy optimoimaan lähetyksen paremmin. Testissä tämä näkyi noin 50 prosentin parannuksena downlink-läpäisyssä verrattuna perinteiseen CSI-palautteeseen.
Tuloksella on merkitystä erityisesti tulevien 5G-Advanced- ja 6G-verkkojen kannalta. Niissä tavoitteena on rakentaa niin sanottuja AI-natiiveja verkkoja, joissa tekoäly ei ole vain lisäominaisuus, vaan osa radioverkon perustoimintaa.
Demossa (kuvassa) testausympäristönä toimi Rohde & Schwarzin CMX500-testeri, joka emuloi tukiasemaa ja mahdollistaa uusien radiotekniikoiden kokeilun kontrolloiduissa olosuhteissa. Yhteistyön yksi keskeinen tavoite oli myös osoittaa, että eri valmistajien AI-ratkaisut voivat toimia yhdessä – mikä on tärkeää tulevien 6G-standardien kannalta.
Lääkintälaitteiden internet (IoMT) yhdistää diagnostiikan, puettavat anturit ja sairaalalaitteet pilvipohjaisiin järjestelmiin. Etävalvonta, reaaliaikainen data ja koneoppiminen lupaavat parempaa hoidon laatua ja kustannussäästöjä, mutta samalla ratkaistavaksi jäävät yhteentoimivuus, sääntely ja tietoturva.