Proyecto Marconi: aplicación RAN basada en IA y ML

Se trata de una iniciativa de Capgemini sobre arquitectura de Intel que permite a los operadores desplegar servicios 5G más rápidamente. Sobre O-RAN, esta solución promete aumentar la eficiencia espectral en un 15%.

Publicado el 07 Jul 2021

Proyecto Marconi: aplicación RAN basada en IA y ML.

Capgemini ha anunciado una solución innovadora que ofrece a los operadores móviles una ventaja significativa para cobrar por los servicios 5G más rápidamente. Con el nombre de ”, la solución se ajusta a las directrices de la O-RAN (Open Radio Access Network) para maximizar la eficiencia del espectro. La solución mejora de forma inteligente la calidad de la experiencia del abonado (QoE) con análisis predictivos en tiempo real.

Se trata de la primera aplicación de red de radio basada en Inteligencia Artificial y Machine Learning del sector para el programador de 5G Medium Access Control (MAC). Optimizada con el Software Intel AI y los procesadores Intel Xeon Scalable de tercera generación.

Los proveedores de redes de todo el mundo han realizado grandes inversiones en espectro y buscan soluciones para desarrollar y obtener servicios 5G con mayor rapidez. Según la Asociación Global de Proveedores de Telefonía Móvil, el valor total de las subastas de espectro alcanzó más de 27.000 millones de dólares en 2020. La solución de Capgemini sobre la arquitectura de Intel aumenta la cantidad de tráfico que puede manejar cada celda. Permite a los operadores atender a más abonados y ofrecer una experiencia excepcional, al tiempo que lanzan nuevos servicios de la Industria 4.0, como los casos de uso de la banda ancha mejorada –Enhanced Mobile Broadband (eMBB)- y las comunicaciones de baja latencia ultra-fiables -Ultra Reliable Low Latency Communications (URLLC)-.

En palabras de Walid Negm, director de Investigación e Innovación de Capgemini Engineering: “Nuestros equipos han trabajado estrechamente con Intel para crear una solución realmente innovadora que pueda mover el mercado para los operadores. Recogimos y utilizamos más de un terabyte de datos y realizamos innumerables pruebas con NetAnticipate5G para perfeccionar el análisis predictivo con el fin de satisfacer las diversas necesidades de los operadores. En resumen, el aprendizaje automático puede desplegarse para la toma de decisiones inteligentes en la capa radio (RAN) sin necesidad de hardware adicional. Esto hace que sea rentable a corto plazo y que esté preparado para el futuro a medida que avancemos en soluciones de Cloud Native RAN”.

Según Cristina Rodríguez, Vicepresidenta de la División de Redes de Acceso Inalámbrico de Intel: “Nuestros procesadores Intel Xeon Scalable de tercera generación con aceleración de IA incorporada proporcionan un alto rendimiento para el aprendizaje profundo en la plataforma Net Anticipate 5G. Juntos, nuestra colaboración proporcionó datos de inferencia ultrarrápidos para mejorar las bibliotecas ML de código abierto, lo que dio como resultado una RAN inteligente que puede predecir y reaccionar rápidamente a los requisitos de cobertura de los abonados, al tiempo que reduce el TCO”.

Capgemini desplegó sus plataformas NetAnticipate5G y RATIO O-RAN para introducir técnicas avanzadas de IA/ML. La solución analítica predictiva impulsada por la IA pronostica y asigna los valores adecuados de MCS (esquema de modulación y codificación) para la transmisión de la señal mediante la previsión de la calidad de la señal del usuario y los patrones de movilidad con precisión. De este modo, la RAN puede programar de forma inteligente los recursos MAC para lograr una predicción de MCS hasta un 40% más precisa y rendir hasta un 15% más de eficiencia espectral en los casos prácticos y pruebas. Como resultado, ofrece velocidades de datos más rápidas, una QoE mejor y más consistente a los abonados y una cobertura robusta para los casos de uso que dependen de la conectividad de baja latencia, como la fabricación basada en la robótica y V2X (vehicle-to-everything).

¿Qué te ha parecido este artículo?

Tu opinión es importante para nosotros.

R
Redacción RedesTelecom

Artículos relacionados

Artículo 1 de 3