Inteligentny 5G L2 Macscheduler

Capgemini Engineering wraz z ekosystemem partnerskim 5G opracowało poznawcze rozwiązanie 5G Medium Access Control (MAC) w ramach pierwszego z serii działań zaplanowanych w projekcie Marconi firmy Capgemini.

Projekt Marconi obejmuje szereg innowacji ukierunkowanych na realizację zdolności poznawczych w ramach węzłów sterownika Intelligent RAN. Wykorzystuje on platformę Capgemini 5G ORAN RIC o nazwie RATIO wraz z implementacją Intel Flex RAN 5G Layer 1. Główną ideą projektu jest zwiększenie efektrywności sieci w obszarze wydajności widmowej, jakości usług (QoS) i wykorzystania zasobów sieciowych. Zespół Marconi zdołał wykazać około 15-procentową poprawę wydajności sieci dzięki inteligentnemu harmonogramowaniu MAC 5G oraz osiągnąć czas zbliżony do rzeczywistego na platformie RIC. NetAnticipate5G, wraz z platformą Intel Analytics Zoo opartą na procesorach Intel® Xeon®, nie tylko poprawił dokładność sztucznej inteligencji o 55%, ale także pozwolił skrócić czas wnioskowania AI do mniej niż 1 ms (~ 0,56 ms). To połączenie czynników wspomagających sztuczną inteligencję zapewniło ponad 41-procentową poprawę[1] czasu wnioskowania, co jest jednym z krytycznych wymagań ultraniskich opóźnień i wysoce niezawodnych rozwiązań opartych na uczeniu maszynowym (ML).

Capgemini Engineering jest częścią porozumień obecnych w tej dziedzinie i rozwija platformy RIC. Oferujemy nasze nagradzane ramy NetAnticipate5G, które wprowadzają sztuczną inteligencję do RIC, aby wspierać autonomiczne inteligentne operacje. Co więcej, RATIO jest platformą Capgemini Engineering RIC opartą na specyfikacjach O-RAN Alliance do opracowywania skumolowanego inteligentnego sterownika RAN.

Wprowadzając adaptację łącza z wykorzystaniem uczenia maszynowego, zaobserwowaliśmy wzrost wydajności widmowej rzędu 15%, co spowodowało przyrost przepustowości komórek o 11,76%. Projekt Marconi wykazał również, że technologia ML może zostać wdrożona do inteligentnego podejmowania decyzji w ramach funkcji krytycznych czasowo systemu RAN Layer 2, na standardowych procesorach Intel® Xeon®, bez wprowadzania dodatkowych wymagań sprzętowych dla CSP.

Takie podejście zapewni wymagane zaufanie, dzięki któremu zespół projektu będzie mógł kontynuować badania, wprowadzać ML do zadań infuzji danych analitycznych oraz zwiększać wydajność planowania wariantów multi-user MIMO i massive MIMO.

Naszym planem na tym etapie jest prezentowanie naszych inicjatyw za pośrednictwem sojuszu O-RAN i współpraca ze społecznością w celu dodania tych koncepcji i ich podejścia do realizacji do elementów grupy roboczej ds. specyfikacji O-RAN.