“Mi objetivo es diseñar algoritmos y protocolos de red para ofrecer información nueva”

Conoce mejor a nuestro Research Assistant Professor Jaya Champati en esta segunda parte de la entrevista concedida por el líder del grupo Edge Networks

24 Junio 2021

En esta segunda entrevista, Jaya Champati, Research Assistant Professor de IMDEA Networks, nos cuenta cuáles son sus principales líneas de investigación: la frescura de la información en los sistemas de redes y el aprendizaje en el borde de la red. Además, hace una predicción sobre qué innovaciones veremos en un futuro cercano.

¿Qué espera lograr con su investigación?

Mis temas de investigación son principalmente dos. El primero es la actualidad de la información en los sistemas en red. Hasta ahora, la comunicación en sistemas en red se ha diseñado para transportar tráfico de voz, tráfico de video y los protocolos están diseñados para ello y lo están haciendo bastante bien ahora. Pero si se llega a aplicaciones emergentes como la conducción autónoma y la automatización en la industria 4.0, es posible que la información en sí que se recibe no sea útil si es demasiado obsoleta o si se generó hace mucho tiempo. Así que aquí se pone de relieve la actualidad de la información. Y mi objetivo es diseñar algoritmos y protocolos de red para ofrecer información nueva para que las redes futuras puedan soportar mejor estas aplicaciones emergentes.

Asimismo, la otra línea de investigación en la que estoy trabajando tiene que ver con el aprendizaje en el borde de la red (“learning at the Edge”). Así, existe un gran impulso para mover las aplicaciones de aprendizaje automático de los centros de datos al borde por razones obvias: debido a todos los datos masivos que se recopilan de los teléfonos móviles y dispositivos de IoT y el primer puerto de entrada para ellos son las estaciones base de la red celular y los puntos de acceso WiFi. estaciones base y puntos de acceso WiFi. Entonces, si podemos hacer entrenamiento en el borde, entonces también se puede ahorrar el ancho de banda que se requiere para mover estos datos masivos a los centros de datos y también posponer también el retraso que se requiere para que la inferencia regrese a estos dispositivos en el borde.

Me estoy enfocando principalmente en qué datos recopilar de estos dispositivos porque el modelo de aprendizaje automático es tan bueno como los datos que se ingresan en ellos. Estamos investigando qué datos seleccionar y cuándo transmitirlos. Estos son importantes tanto desde la perspectiva de la energía porque si solo recopila datos aleatorios y se envía algunos de ellos puede ser redundante, y también se puede ahorrar ancho de banda para las transmisiones inalámbricas. Mi enfoque está principalmente en el diseño de algoritmos para este tipo de selecciones.

¿Qué avances espera ver en las redes de borde?

Ya vimos un gran salto de 4G LTE a 5G en términos de la amplia variedad de aplicaciones que puede admitir 5G. Y dos de los facilitadores clave son edge computing y network slicing. Además de admitir estas aplicaciones, necesitamos el apoyo de la red para implementar estas aplicaciones a gran escala. Por ejemplo, ahora vemos que hay muy pocos coches autónomos, pero si queremos pensar en una ciudad llena de coches autónomos, se requiere un soporte de red para garantizar su seguridad, coordinarlos y también gestionar el tráfico en la ciudad.

Entonces, creo que las innovaciones clave se realizarán en múltiples niveles: una está en la pila de los protocolos de red (nuevos protocolos que se implementan) y en el núcleo de paquetes evolucionado (cómo se realiza el procesamiento a partir de los datos que provienen de diferentes dispositivos) y otra en el nivel de edge computing (debe observar el equilibrio de carga, los modelos de aprendizaje automático que se están implementando, etc.).