应用AI/ML进行通信网络管理：面向B5G/6G时代的技术动向
应用AI/ML进行通信网络管理：面向B5G/6G时代的技术动向
Beyond 5G/6G的前景及实现这一前景的技术
移动通信系统在B5G/6G时代的飞跃性发展
预计从21世纪30年代起，Beyond 5G（第5代以后的移动通信系统：以下简称B5G）/6G（第6代移动通信系统）将作为新的信息通信基础设施大量应用并得到普及。B5G/6G除了具有奇高速度、大容量、低延迟、多个同时连接等高新的5G（第五代移动通信系统）功能外，在微小功耗、覆盖的通信区域（覆盖范围）的扩展性、网络自主性、超安全和可靠性方面的功能亦备受期待。
本网站汇总了实现B5G/6G特性的未来技术趋势，例如基于太赫兹波（及次太赫兹波）的高速通信和传感、以及基于非地面网络（NTN）大幅扩展覆盖范围等。
在本文中，将围绕使用预计比5G更进步的AI（Artificial Intelligence：人工智能）和ML（Machine Learning：机器学习）降低通信设备的功耗、以及通过自主控制优化多个同时连接的通信资源的前景进行讲解。
B5G/6G时代的AI/ML及其重要性
5G及其新一代移动通信系统中不可或缺的AI（人工智能）和ML（机器学习），均为计算机科学术语。首先复习一下这些术语的概要和区别。
AI与ML的概要和区别
AI是指计算机和机器模仿人类行为的综合能力。
另一方面，ML是指在AI的应用领域，训练系统使用神经网络*1进行大量数据（大数据）的核对和分类。通过重复这个过程，计算机和机器通过学习执行预估和自动处理，而不需要人类进行显式编程。
*1 神经网络是指从人脑结构中获得启发，在计算机上简化人脑的部分功能建立的数理模型。通常由输入层、输出层以及夹在两者之间的中间层3层构成。
B5G/6G时代AI/ML的重要性
B5G/6G采用以AI/ML为前提的网络
正如文章开头所描述的，鉴于人们对B5G/6G所期待的奇高速度、大容量、低延迟、多个同时连接、微小功耗、预估与自主控制等高新功能，很难直接以传统的固定网络设置进行运用、或通过手动进行网络优化和控制。此外，随着通信基础设施的强化，耗电量的增加和对环境的负荷也是不容忽视的课题。
AI/ML作为解决此类课题不可或缺的技术，面向从2020年左右开始正式商用的5G的进一步发展、以及2030年左右到来的B5G/6G时代，正在积极推进研究，以实现通信网络的管理、控制和优化。此外，相对于5G附加引入AI/ML技术，B5G/6G则是采用以AI/ML应用为前提的AI原生移动通信系统，这也可以说是其一大特性。
B5G/6G时代引入AI/ML的目的和应用前景
如上所述，AI/ML技术被认为是未来解决移动通信系统课题的方法之一。在此就引入AI/ML的目的与今后期待的应用案例进行几点介绍。
将AI/ML用于通信网络管理的目的
在5G及B5G/6G环境下，将AI/ML用于通信网络管理的主要目的如下所述。
- 提高吞吐量*2
通过管理和优化通信资源实现有效无线通信 - 节省能源化
通过简化网络运用降低功耗 - 通信故障的预估和应对
对通信延迟和连接故障等进行迅速预估和自主应对
*2 吞吐量是指诸如计算机等设备可在单位时间内处理的数据量，在通信线路中则表示单位时间内的有效传输量。
下面将着眼此类目的介绍未来AI/ML的应用前景。
使用AI/ML通过自主控制优化通信
通过引入AI/ML实现B5G/6G所期待的规格
在B5G/6G环境下，为了使更多终端进行高速、大容量的通信，发送方和接收方均需实时且更高水平地优化利用通信资源。
例如，在地面基站或非地面网络（NTN）的新一代通信卫星的波束赋形*3、以及通信距离短、电波容易因雨水等而衰减的太赫兹波（及亚太赫兹波）的技术中，通信性能可能会受到各终端与基站的位置关系、天气、电波需求等条件变化的影响。
鉴于此，应用AI/ML技术，使其学习不同时间段和地点的天气、电波需求等数据，并迅速进行预估。据称可根据预估优化通信设备的控制，通过学习能力和自主性实现通信资源利用的效率化、降低功耗并改进通信和连接的稳定性。
*3 波束赋形是指仅向特定方向集中发送电波的控制技术。从多个或多数天线输出电波时，通过调整各电波的相位和功率强度，利用电波在某个方向相互增强、在其他方向上相互抵消而减弱的特性进行控制。
另外，在智能城市、智能工厂、智能家居等社会智能化的背景下，利用无线通信的物联网设备和系统的应用不断增加，在与云服务器的数据通信中利用蜂窝线路的情况亦不在少数。
例如仅当图像传感器识别出特定条件时才发送数据等，很多物联网设备利用AI（边缘AI）自主判断并仅收发需要的数据，由此可降低功耗和通信资源的负担，这也称得上有效应用AI的案例之一。
通过数字孪生强化学习，进行通信延迟和故障等的预估及自主应对
数字孪生强化学习有助于提高AI/ML的自主性
使用数字孪生*4强化学习和模拟是B5G/6G时代备受期待的AI/ML应用方法之一。例如，可用于建设智慧城市时，在虚拟空间赋予多种条件进行模拟，对现实世界的设备和系统进行概念验证（PoC）。