Исследователи из Национального института стандартов и технологий (NIST) разработали математическую формулу, которая, как показывает компьютерное моделирование, может помочь 5G и другим беспроводным сетям выбирать и совместно использовать частоты связи примерно в 5000 раз эффективнее, чем методы проб и ошибок. Новая формула является формой машинного обучения, которая выбирает беспроводной частотный диапазон, известный как канал, на основе предыдущего опыта в конкретной сетевой среде. Формула NIST - способ помочь удовлетворить растущий спрос на беспроводные системы, включая 5G, за счет совместного использования частотных диапазонов, также известных как полосы, которые не лицензируются. Wi-Fi, например, использует нелицензионные диапазоны, которые не назначены Федеральной комиссией связи для конкретных пользователей. Исследование NIST фокусируется на сценарии, в котором Wi-Fi конкурирует с сотовыми системами за определенные частоты или подканалы. Что делает этот сценарий сложным, так это то, что эти сотовые системы повышают свои скорости передачи данных, используя метод, называемый License Assisted Access (LAA),который объединяет как нелицензированные, так и лицензированные диапазоны. В работе исследуется использование машинного обучения при принятии решения о том, по какому частотному каналу следует передавать. Это поможет сделать связь в нелицензированных диапазонах намного более эффективной. Формула NIST позволяет передатчикам быстро выбирать лучшие подканалы для успешной и одновременной работы сетей Wi-Fi и LAA в нелицензированных диапазонах. Каждый из передатчиков учится максимизировать общую скорость передачи данных в сети, не связываясь друг с другом. Схема быстро достигает общей производительности, близкой к результату, на основе исчерпывающего поиска каналов методом проб и ошибок. Исследование NIST отличается от предыдущих исследований машинного обучения в области связи тем, что в нем учитываются несколько «сетевых уровней», физическое оборудование и правила доступа к каналу между базовыми станциями и приемниками. Формула является техникой «Q-learning», то есть она отображает условия: типы сетей, количество имеющихся передатчиков и каналов на действия, которые максимизируют значение, известное как Q. Пробуя различные действия, алгоритм узнает, какой канал обеспечивает наилучший результат. Каждый передатчик учится выбирать канал, который дает лучшую скорость передачи данных при определенных условиях. Если обе сети выбирают каналы надлежащим образом, эффективность объединенной общей сетевой среды повышается. Метод повышает скорость передачи данных двумя способами. В частности, если передатчик выбирает канал, который не занят, тогда вероятность успешной передачи возрастает, что приводит к более высокой скорости передачи данных. И если передатчик выбирает канал таким образом, чтобы помехи были минимальными, то сигнал сильнее, что приводит к более высокой скорости принимаемых данных. В компьютерном моделировании оптимальный метод распределения назначает каналы передатчикам путем поиска всех возможных комбинаций, чтобы найти способ максимизировать общую скорость передачи данных в сети. Формула NIST дает результаты, близкие к оптимальным, но в гораздо более простом процессе. Исследование показало, что исчерпывающие усилия по определению наилучшего решения потребуют около 45 600 испытаний, в то время как формула может выбрать аналогичное решение, испробовав только 10 каналов, то есть всего 0,02% усилий. Исследование касалось внутренних сценариев, таких как здание с несколькими точками доступа Wi-Fi и работа мобильных телефонов в нелицензированных диапазонах. В настоящее время исследователи планируют смоделировать метод в более масштабных сценариях на открытом воздухе и провести физические эксперименты, чтобы продемонстрировать эффект.