MLベースのCSI-RSフィードバック機能拡張

AI主導のネットワーク最適化

最近、ローデ・シュワルツとQualcomm Technologiesが、業界初の画期的な「クロスノード」AI/MLの実行を発表しました。これは、別々に開発された2つのモデルが協調動作することで、複雑な5G MIMOシナリオでのダウンリンクのスループットを50 %以上改善するというものです。

主要な要素

チャネル状態情報（CSI）フィードバックは、精密なビームフォーミングを通じた高性能伝送を可能にすることで、マッシブMIMOアンテナシステムの機能に重要な役割を果たします。AI/MLは、5G-Advancedと、将来的には6Gの両方のネットワークで、システム効率の改善、オーバーヘッドの削減、ユーザー体感の向上をもたらすと予想されています。

ただし、MLによるCSIフィードバックの機能拡張には、いくつかの要因のために特別な困難が伴います。第1に、この方式が機能するには2つのモデルが必要です。1つはネットワーク側、もう1つはユーザーデバイス側で動作します。すなわち、それぞれのモデルは異なるベンダーによって開発され、2つのモデルは緊密に連携して動作する必要があります。したがって、この方式の利点を十分に引き出すには、ベンダー間の相互運用性が不可欠です。MLベースのCSIフィードバックが特に注目されているのは、現在3GPPによって検討されている唯一のクロスノードすなわち「両側」AIパイロットシナリオであることが理由です。

モデル間のコラボレーション

2つのAI/MLモデルの動作は、高解像度放送で用いられるエンコード／デコードプロセスに例えられます。伝送の両側にある適切なエンコーダー／デコーダーを使用して、複雑な画像が小さいデータパッケージに圧縮され、伝送された後で再構成されます。

このケースでは、ローデ・シュワルツがMLを利用したデコーダーを設計しました。これは当社のCMX500 5Gワンボックス・シグナリング・テスタで動作し、ネットワーク側をエミュレートします。一方、Qualcomm Technologiesは、デバイスベースのML利用エンコーダーを開発しました。両社は異なる方法でそれぞれのモデルをトレーニングしました。モデル間の互換性を実現するため、事前定義された参照モデルがトレーニングの基準として用いられました。

トレーニングの後、両方のモデルが8×4 MIMOを使用した5G-Advancedのシナリオに適用されました。ここでは、CMX500がシナリオをQualcommのテストデバイスに転送しました。スマートフォンモデルは計算を実行し、結果を圧縮して、CMX500に返送しました。その後、ネットワーク側モデルは、このデータを利用してダウンリンクのビームフォーミングを微調整しました。