Аналіз можливостей застосування машинного навчання в мережах мобільного зв’язку 5G/6G

Abstract

Проаналізовано можливості застосування методів машинного навчання у задачах планування та керування мобільними мережами сучасних та майбутніх поколінь з врахуванням міжсистемних завад. Розглянуті архітектурні особливості мереж 5G New Radio та 6G. Проведено порівняння детермінованих, статистичних та методів машинного навчання для врахування завад, при цьому методи глибокого навчання з підкріпленням та графові нейронні мережі визначено як перспективні підходи для узгодженого керування ресурсами. Розроблено імітаційну модель міжсистемних завад у смузі 3,5 ГГц та наведено кількісні оцінки впливу завад на SINR, захисних відстаней і точності різних підходів до прогнозування завад. The potential for applying machine learning methods to the planning and management of current and future-generation mobile networks, specifically in the context of inter-system interference, is analyzed. The architectural features of 5G New Radio and 6G networks are examined. Deterministic, statistical, and machine learning-based approaches for addressing interference are compared; deep reinforcement learning and graph neural networks are identified as promising techniques for coordinated resource management. A simulation model for inter-system interference in the 3.5 GHz band has been developed, providing quantitative assessments of the impact of interference on the Signal-to-Interference-plus-Noise Ratio (SINR), required separation distances, and the accuracy of various interference prediction methods.