Исследователи из МФТИ на основе методов машинного обучения создали алгоритм ALPACA (Asymmetric Loss Prediction Algorithm for Channel Adaptation), позволяющий повысить емкость сетей 5G на 40%.

Разработка предназначена для выбора оптимального режима передачи данных. ALPACA (Asymmetric Loss Prediction Algorithm for Channel Adaptation) использует сверточно-рекуррентную нейросеть для предсказания изменения качества беспроводного канала связи с учетом требований по задержке и надежности. Алгоритм принимает в расчет последствия ошибок прогноза и позволяет поддерживать требуемое качество связи даже в сложных мобильных сценариях.

При обучении с помощью асимметричной функции потерь (Loss Function) ALPACA специально «штрафуется» за слишком оптимистичные прогнозы, которые могут привести к сбоям сетей URLLC (Ultra-Reliable Low-Latency Communications, стандарт связи с минимальной задержкой). За счет этого расход ресурсов канала связи снижается до 40%, что увеличивает пропускную способность сети.

Тестирование алгоритма на данных экспериментов в условиях городской среды показало стабильный прирост эффективности в различных сценариях. Кроме алгоритма, исследователи также предложили способ определения момента для дообучения нейросетей, что позволяет системе адаптироваться к изменяющейся обстановке.

Результаты исследования опубликованы в научном журнале IEEE Access, а также представлены на конференции IEEE INFOCOM.

В мае 2025 года производитель микроволновых компонентов Lauftex разработал метод предиктивной диагностики систем связи с применением нитрида галлия и ИИ.