Egy áttörést jelentő algoritmikus eljárással a kutatók megoldottak egy olyan problémát, amely eddig a gépek egymás közötti és az emberekkel zajló kommunikációját nehezítette. A megoldást a Florida Atlantic Center for Connected Autonomy and Artificial Intelligence (CA-AI.fau.edu) kutatói szállították.
Az elektromágneses hullámok lehetővé teszik a vezeték nélküli kapcsolatot, de sok nem kívánt zajt is okoznak. Az elektromágneses interferencia néven emlegetett hatás a vezeték nélküli kommunikáció mellékterméke, és óriási kihívások elé állítja a kommunikációért felelős szakembereket a ma jellemző, rádiójelekben gazdag, internetre kapcsolt eszközökkel és mesterséges intelligencia vezérelte robotokkal zsúfolt környezetben. Mivel a villámgyors adatátviteli sebesség iránti igény soha nem látott szintet ért el, az interferencia elfojtásának szükségessége minden eddiginél sürgetőbbé vált.
Algoritmikus alapú kommunikáció
Az áttörést jelentő algoritmikus megoldással felszerelve a FAU kutatói a Érzékelési és Beágyazott Hálózati Rendszerek Mérnöki Intézete (I-SENSE) kutatóival közösen kitaláltak egy új megoldást. A módszer először dinamikusan finomhangolja a „több bemenet-több kimenet” (MIMO-) kapcsolatokat, amelyek a modern kor vezeték nélküli rendszereinek, például a wifi- és a mobilhálózatok sarokkövei.
A kutatók algoritmikus módszere bizonyítja, hogy a megcélzott, vezeték nélkül átvitt hullámformák kiszűrhetők a zsúfolt frekvenciasávokból. A térben és időben történő átvitel egyidejű optimalizálásával ez az algoritmus megnyithatja az utat a minden eddiginél tisztább, „steril” kommunikációs csatornák létrehozása felé.
A bemutatókon a kutatók dinamikusan optimalizálták a MIMO vezeték nélküli hullámforma alakzatait egy adott frekvenciasávon, hogy kezeljék és elkerüljék az interferenciát a gépek közötti kommunikációban, és megmutatták ennek a módszernek a hatékonyságát a valós világban, ahol az interferencia gyakori probléma.
Gépi tanulás az optimalizációban
„Úttörő szerepet játszottunk a több antennával felszerelt gépek koncepcionális és gyakorlati létrehozásában, hogy azok autonóm módon határozzák meg a kommunikációhoz szükséges leghatékonyabb hullámforma-alakzatokat térben és időben egy kijelölt frekvenciasávon belül, még rendkívül nagy kihívást jelentő interferenciák és zavarok esetén is”, mondta el Dimitris Pados professzor a CA-AI igazgatója és az I-SENSE munkatársa. „Azáltal, hogy a dinamikus hullámforma gépi tanulását párhuzamosan alkalmazzuk térben és időben, úgy gondoljuk, hogy ‘feltörtük a kódot’ az elektromágneses interferencia csökkentésére vonatkozóan”, büszkélkedett a tudós.
A kutatók először kiterjedt szimulációkat végeztek, hogy igazolják ennek a módszernek a hatékonyságát az interferencia-forgatókönyvek tömegében kis és nagy távolságokon egyaránt, ritka és sűrű interferenciaforgatókönyvek esetén is. Ezek a szimulációk rávilágítottak arra, hogy az optimalizált hullámformák – különösen a tér- és időbeli együttes optimalizálás – képesek „tiszta” kommunikációt fenntartani extrém kevert interferencia környezetekben.
Forrás: itbusiness.hu
Kép forrása: etssolution-asia.com