AI in telecom: de toekomst van connectiviteit transformeren

In dit artikel onderzoekt José Laffitte, hoofd engineering bij Cactus, hoe AI de industrie naar een meer verbonden, intelligente en veerkrachtige toekomst duwt. Ontdek deze ontwikkelingen en hoe ze het telecomlandschap transformeren.

De telecomtrends

De telecomsector ondergaat verschillende ontwikkelingen transformatieve trends die vormgeven aan de manier waarop de wereld met elkaar verbonden is:

Adoptie van 5G en ontwikkeling van 6G: 5G is de dominante standaard geworden en maakt de weg vrij voor 6G, dat hogere snelheden, lagere latentie en verbeterde connectiviteit belooft.
Integratie van het niet-terrestrische segment in mondiale netwerken: Sinds de release 17 van 3GPP 5G is het niet-terrestrische segment (5G-NTN) opgenomen om mondiale telecommogelijkheden te realiseren, waardoor een bredere dekking wordt geboden in afgelegen of onderbediende gebieden.
Digitalisering: Digitalisering zorgt voor een revolutie in de telecomactiviteiten, waardoor diensten efficiënter, flexibeler en klantgerichter worden. Dit omvat de verschuiving naar Open radiotoegangsnetwerken (O-RAN), die gebruik maken van gestandaardiseerde, open interfaces zodat apparatuur van verschillende leveranciers kan samenwerken. Deze aanpak bevordert innovatie, verlaagt de kosten en versnelt de inzet van nieuwe technologieën.
Geschikt voor kunstmatige intelligentie Met systemen kunnen operators hulpbronnen optimaliseren, het energieverbruik verminderen of slimmere netwerken inzetten, waarbij ze zelfs kritieke functies op de fysieke laag kunnen uitvoeren vanuit het OSI-model, waardoor de automatisering van functies zoals codering, decodering en modulatie mogelijk wordt. Dankzij AI-gedreven innovaties op dit gebied kunnen telecomoperatoren netwerkproblemen proactief voorspellen en aanpakken, middelen efficiënter toewijzen en superieure, consistente servicekwaliteit leveren.

Deze trends drijven samen de sector aan een meer verbonden, intelligente en veerkrachtige toekomst. Door deze ontwikkelingen te omarmen kunnen telecomoperatoren voorop blijven in het concurrentielandschap en superieure diensten aan hun klanten leveren.

Door Stier, het project dat we uitvoeren met steun van de European Space Agency, onderzoeken we onder meer hoe AI kan worden toegepast om de gebruikerservaring te verbeteren, het energieverbruik te verminderen en de prestaties te verbeteren via verschillende telecomfuncties. Een van de doelstellingen van ons project Taurus is om 5G NR volledig te omarmen als een implementatiemiddel om de klassieke rol van satcom-modem te vervullen, waarbij de sleutelfuncties in een O-RAN-context voornamelijk rond disaggregatie worden overgenomen.

In dit artikel leggen we het uit Cactus’ visie op AI toegepast op verschillende telecomfuncties voor verschillende doeleinden, zoals energiebesparing, taakverdeling en beheer van spectrumbronnen. Dit wordt gedaan door middel van orkestratie, verkeerssturing en differentiële Quality of Service (QoS), maar ook door de implementatie van AI van fysieke laagfuncties zoals codering, decodering en modulatie. Laten we eerst eens kijken naar wat een satellietmodem is.

Satcom-modems en -systemen

Een satellietcommunicatiemodem (satcom) is een apparaat dat signalen moduleert en demoduleert voor verzending en ontvangst via satellietverbindingen, en verschillende functies vervult op verschillende niveaus van de satelliet. OSI-model:

Het handelt signaalverwerking en interfaces met de satellietzendontvanger: de modem zorgt voor betrouwbare communicatie door taken uit te voeren zoals het in kaart brengen van modulatiebronnen, inkapseling en foutcorrectie.
Het beheert de gegevensstroom presteren verkeersoptimalisatie functies zoals TCP-versnelling en UDP-optimalisatie toepassen QoS en implementeren van schakel-/routering mogelijkheden om efficiënte en betrouwbare communicatie te garanderen.
Het heeft een interface met besturingssystemen voor adaptieve functies zoals richten, vermogensregeling en beamforming.

De Open RAN-architectuur, zoals gespecificeerd door O-RAN, verdeelt deze functies over verschillende entiteiten binnen een gedesaggregeerd raamwerk, namelijk de Centrale Eenheid (CU), Gedistribueerde Eenheid (DU) en Radio-eenheid (RU). De integratie van AI/ML in deze traditionele satcom-modemfuncties betekent dus dat AI/ML-processen op verschillende punten en tijdschalen binnen de O-RAN-architectuur worden toegepast.

Overname van AI/ML in 3GPP

De acceptatie van AI is een van de belangrijkste aspecten van de digitaliseringstrend die eerder werd uitgelegd, door het verbeteren van verschillende aspecten van netwerkbeheer.ement en operaties.

De 3GPP-specificatie TR 37.817 biedt beschrijvingen van principes voor RAN-intelligentie die mogelijk wordt gemaakt door AI, het functionele raamwerk (bijvoorbeeld de AI-functionaliteit en de invoer/uitvoer van de component voor AI-compatibele optimalisatie) en gebruiksscenario’s en oplossingen van AI-compatibele RAN.

De 3GPP-specificatie TR38.843 onderzoekt de voordelen van het uitbreiden van de luchtinterface met functies die verbeterde ondersteuning van AI/ML mogelijk maken. Het 3GPP-framework voor AI/ML wordt bestudeerd voor luchtinterfaces die overeenkomen met elk doelgebruiksscenario met betrekking tot aspecten zoals prestaties, complexiteit en potentiële specificatie-impact.

Beheer van spectrumbronnen

Spectrumbronnen zijn de levensader van draadloze communicatie, en efficiënt beheer is van cruciaal belang voor het garanderen van optimale netwerkprestaties en -capaciteit. AI kan het spectrumbeheer aanzienlijk verbeteren door:

Dynamische spectrumtoewijzing: AI-algoritmen kunnen realtime gegevens analyseren om spectrumbronnen dynamisch toe te wijzen op basis van de vraag, gebruikspatronen en interferentieniveaus. Dit zorgt voor een efficiënt gebruik van het beschikbare spectrum, minimaliseert verspilling en verbetert de netwerkefficiëntie.
Spectrumdetectie: AI-aangedreven cognitieve radiosystemen kunnen de spectrumomgeving waarnemen en ongebruikte frequenties identificeren. Deze mogelijkheid maakt opportunistische spectrumtoegang mogelijk, waarbij secundaire gebruikers lege kanalen kunnen gebruiken zonder interferentie voor primaire gebruikers te veroorzaken.
Beamforming- en MIMO-systemen: Neurale netwerken optimaliseren beamforming-technieken door de richting van de signaaloverdracht dynamisch aan te passen om de signaalsterkte en -kwaliteit te maximaliseren.
Foutcorrectie: Geavanceerde foutcorrectietechnieken, mogelijk gemaakt door neurale netwerken, kunnen fouten in de verzonden gegevens voorspellen en corrigeren, waardoor de bitfoutenkans aanzienlijk wordt verminderd en de codering en modulatie worden aangepast aan de specifieke omstandigheden.

Orkestratie

In het tijdperk van 5G en daarna wordt netwerkorkestratie steeds complexer vanwege het gevarieerde aanbod aan diensten en apparaten. AI speelt een cruciale rol bij het orkestreren van deze ingewikkelde netwerken door:

Geautomatiseerde netwerkconfiguratie: AI kan de configuratie en het beheer van netwerkelementen automatiseren, waardoor de noodzaak voor handmatige tussenkomst wordt verminderd. Dit omvat de inzet van gevirtualiseerde netwerkfuncties (VNF’s) en de configuratie van netwerkplakken die zijn afgestemd op specifieke gebruiksscenario’s.
Optimalisatie van hulpbronnen: Door netwerkverkeerspatronen en het gebruik van bronnen te analyseren, kan AI de toewijzing van computer- en bandbreedtebronnen optimaliseren. Dit zorgt ervoor dat kritieke applicaties de nodige bronnen ontvangen, terwijl de algehele netwerkefficiëntie behouden blijft.
Voorspellend onderhoud: Door AI aangedreven voorspellende analyses kunnen potentiële netwerkstoringen en prestatievermindering voorspellen. Door deze problemen proactief aan te pakken, kunnen telecomoperatoren de downtime verminderen en de betrouwbaarheid van de dienstverlening verbeteren.

Kwaliteit van de dienstverlening (QoS)

Geautomatiseerde netwerkconfiguratie: AI kan de configuratie en het beheer van netwerkelementen automatiseren, waardoor de noodzaak voor handmatige tussenkomst wordt verminderd. Dit omvat de inzet van gevirtualiseerde netwerkfuncties (VNF’s) en de configuratie van netwerkplakken die zijn afgestemd op specifieke gebruiksscenario’s.
Optimalisatie van hulpbronnen: Door netwerkverkeerspatronen en het gebruik van bronnen te analyseren, kan AI de toewijzing van computer- en bandbreedtebronnen optimaliseren. Dit zorgt ervoor dat kritieke applicaties de nodige bronnen ontvangen, terwijl de algehele netwerkefficiëntie behouden blijft.
Voorspellend onderhoud: Door AI aangedreven voorspellende analyses kunnen potentiële netwerkstoringen en prestatievermindering voorspellen. Door deze problemen proactief aan te pakken, kunnen telecomoperatoren de downtime verminderen en de betrouwbaarheid van de dienstverlening verbeteren.

Kwaliteit van de dienstverlening (QoS)

Quality of Service is een cruciaal aspect van telecomnetwerken en beïnvloedt de gebruikerservaring en tevredenheid. AI verbetert de QoS door:

Verkeersprioriteit: AI-algoritmen kunnen netwerkverkeer classificeren en prioriteren op basis van het type service en gebruikersvereisten. Dit zorgt ervoor dat latency-sensActieve toepassingen, zoals videoconferenties en online gaming, krijgen een hogere prioriteit boven minder kritisch verkeer.
Anomaliedetectie: AI kan afwijkingen in de netwerkprestaties detecteren, zoals onverwachte pieken in de latentie of pakketverlies. Door deze problemen in realtime te identificeren en aan te pakken, kunnen operators consistente QoS-niveaus handhaven.
Analyse van gebruikersgedrag: Machine learning-modellen kunnen gebruikersgedrag analyseren en toekomstige gebruikspatronen voorspellen. Deze informatie helpt bij het anticiperen op de netwerkvraag en het dienovereenkomstig aanpassen van bronnen om een hoge QoS te behouden.

Fysieke laagfuncties

De fysieke laag vormt de basis van draadloze communicatie en AI kan zijn functies optimaliseren om de algehele netwerkprestaties te verbeteren:

Geavanceerde codeertechnieken: AI kan coderingsschema’s ontwikkelen en optimaliseren die de foutdetectie en -correctie verbeteren. Dit resulteert in robuustere communicatieverbindingen, vooral in uitdagende omgevingen met hoge interferentie- en ruisniveaus.
Efficiënte modulatieschema’s: AI-algoritmen kunnen modulatieschema’s ontwerpen en selecteren die de gegevensdoorvoer maximaliseren en tegelijkertijd het stroomverbruik minimaliseren. Dit is vooral belangrijk voor energiezuinige IoT-apparaten en 5G-netwerken met hoge capaciteit.
Signaalverwerking: AI-aangedreven signaalverwerkingstechnieken kunnen de nauwkeurigheid en efficiëntie van datatransmissie verbeteren. Dit omvat taken zoals kanaalschatting, egalisatie en beamforming, die essentieel zijn voor het onderhouden van hoogwaardige communicatieverbindingen.
Detectie en beperking van interferentie: Machine learning-modellen kunnen interferentiebronnen voorspellen en identificeren, waardoor proactieve maatregelen mogelijk worden om de impact ervan te verzachten. Door voortdurend te leren van de netwerkomgeving kunnen AI-systemen zich aanpassen aan veranderende omstandigheden en optimale prestaties behouden.

Conclusie

De integratie van AI in de telecommunicatie-industrie zorgt voor een revolutie in de manier waarop netwerken worden beheerd en geëxploiteerd. Van spectrumbeheer en orkestratie tot QoS en fysieke laagfuncties, AI biedt transformatieve mogelijkheden die de efficiëntie, betrouwbaarheid en gebruikerservaring verbeteren. Terwijl technologieën als O-RAN en 5G zich blijven ontwikkelen, zal de constructieve samenwerking tussen AI en telecom nieuwe mogelijkheden ontsluiten en de industrie in de richting van een meer verbonden en intelligente toekomst. Door deze ontwikkelingen te omarmen kunnen telecomoperatoren voorop blijven in het concurrentielandschap en superieure diensten aan hun klanten leveren.

Cactus heeft de afgelopen jaren uitgebreide expertise op dit gebied verworven en een handelsmerktechnologie ontwikkeld genaamd TDR, of Tensor Defined Radio, waardoor het optimaal gebruik kan maken van RF-bronnen en de power-to-compute-ratio maximaliseert.

Cactus is bereid onze klanten te ondersteunen bij het overwinnen van uitdagingen om efficiëntere, beter verbonden en betrouwbaardere netwerken te creëren. Door AI toe te passen in het niet-terrestrische segment helpen we onze klanten superieure prestaties, bredere connectiviteit en de hoogste betrouwbaarheid te bereiken.

Als je meer wilt weten over AI trends, 👉 bekijk dan onze BLOG.