- INSTRUMENTO Fondo María Viñas
- BENEFICIARIO Pablo Javier Belzarena Garcia : Facultad de Ingeniería
- DEPARTAMENTO Montevideo
- SUBSIDIO UYU 1296000
- FECHA DE INICIO 04.05.2020
- DURACIÓN 25 meses
- AÑO CONVOCATORIA 2019
- CÓDIGO FMV_1_2019_1_155700
- FASE CERRADO
- ESTADO Terminado
La futura red 5G deberá soportar múltiples tipos de servicios con características de tráfico, calidad de servicio y consumo de energía muy diferentes. La gestión unificada de estos servicios en Capa 2, en particular los algoritmos de despachador de tramas, de control de acceso para evitar congestión, de gestión de interferencia y de control de potencia, tendrán una complejidad no imaginable siquiera en las redes LTE. Aunque se han estandarizado varios mecanismos para considerar estos requisitos (por ejemplo: estructura flexible de tramas, MIMO masivo, HARQ inteligentes), los proveedores de equipos enfrentarán el desafío de diseñar estos algoritmos, y los operadores deberán evaluar y elegir entre varias posibilidades. Este proyecto apunta a estudiar la posibilidad de proporcionar a la Capa 2 herramientas de Inteligencia Artificial que le permitan aprender y adaptarse dependiendo del escenario. En particular se propondrán y evaluarán algoritmos basados en Reinforcement Learning. Se desarrollará además un framework de simulación que permita implementar fácilmente algoritmos de Capa 2 y probarlos en diferentes escenarios realistas. Con esta herramienta, un operador de red o un proveedor podría generar un escenario con los tipos, cantidades y distribuciones espaciales de los usuarios, configurar la geometría del escenario (edificios, modelos de propagación, etc.) y probar un conjunto de algoritmos de Capa 2 (o implementar uno nuevo) para decidir cual usar para cada escenario antes de ponerlo en operación. Por otra parte, en el país existe hoy muy poca formación e investigación en esta tecnología y este proyecto aportará también en esa dirección.
El problema abordado es la asignación de recursos en redes 5G. En particular el proyecto trabajó en el desarrollo de una herramienta que permite implementar y simular algoritmos para la asignación de recursos de tiempo y frecuencia en redes 5G. Se puso especial énfasis en el desarrollo de algoritmos que utilicen herramientas de inteligencia artificial ya que por la heterogeneidad de servicios de las redes 5G es necesario que la red aprenda la mejor forma de asignar recursos en diferentes escenarios. Se propusieron nuevos algoritmos asignación de recursos que permiten utilizando inteligencia artificial aprender la asignación óptima de recursos para servicios de muy diferentes requerimientos en cuanto a ancho de banda y latencia. Se desarrolló un simulador de redes 5G, Py5cheSim, que integra funcionalidades que no se encuentran en simuladores de uso público disponibles como la posibilidad de utilizar network slicing en la interfaz de radio. Esta herramienta cuenta con un framework que permite el desarrollo de nuevos algoritmos de asignación de recursos de forma amigable sin la necesidad de conocer en detalle todo el núcleo del simulador. Py5cheSim se licenció bajo licencia de software libre y se encuentra disponible. Por último, durante la ejecución del proyecto se formaron varios recursos humanos en las áreas de investigación abordadas; en particular tres estudiantes de posgrado desarrollaron sus tesis (dos de maestría, una de doctorado) y se dirigieron dos proyectos de fin de carrera.