PHY-Layer Nativo de IA en Redes Orquestadas por Espectro 6G

Área de la Ciencia:

• Ingeniería de Telecomunicaciones
• Inteligencia Artificial
• Procesamiento de Señales

Sus antecedentes:

• La transición a las redes inalámbricas 6G requiere un avance hacia la orquestación nativa de IA dentro de la red de acceso de radio (RAN).
• Los sistemas actuales a menudo dependen de señalización de capas superiores para la identificación de parámetros de red, lo que puede ser ineficiente.

Objetivo del estudio:

• Desarrollar habilitadores basados en IA para la conciencia de la capa física (PHY) en redes 6G.
• Permitir la inteligencia intrínseca dentro de la RAN para mejorar la conciencia del espectro y la adaptabilidad del sistema.

Principales métodos:

• Desarrollo de un clasificador de formas de onda basado en IA para diferenciar entre señales OFDM y OTFS utilizando muestras IQ.
• Implementación de un detector de numerología basado en IA para determinar parámetros como el espaciado de subportadoras, el tamaño de FFT, el tipo de prefijo cíclico y el tamaño de FFT sin información de capas superiores.

Principales resultados:

• La clasificación de formas de onda alcanzó una precisión del 99,5%.
• La detección de numerología superó el 99% de precisión para la mayoría de los parámetros.
• Demostró una inferencia conjunta robusta de características de forma de onda y numerología, confirmando la viabilidad de la conciencia de espectro nativa de IA.

Conclusiones:

• La conciencia de la capa PHY nativa de IA es factible para sistemas inalámbricos 6G.
• Los habilitadores desarrollados allanan el camino para redes 6G autooptimizables, conscientes del contexto y adaptativas.
• La inteligencia intrínseca en la RAN mejora la utilización del espectro y el rendimiento del sistema.