6G-AI-TANGO

IA práctica para la previsión del tráfico de la red 6G variable en el tiempo
IMDEA Networks es el coordinador de este proyecto
  • Financiado por: Unión Europea (Horizonte Europa) 101206327
  • Duración: Abril 2025 hasta Marzo 2027
  • Contacto: Marco FIORE, Coordinador del proyecto de IMDEA Networks
Visitar página web arrow_right_alt

Investigadora Postdoctoral MSCA: Nadezda Chukhno (Supervisor: Marco Fiore)

Para aprovechar al máximo el potencial de la red 6G y garantizar una latencia casi nula, una capacidad infinita y comunicaciones con una fiabilidad y disponibilidad del 100 %, se espera que los operadores de redes móviles (MNO) implementen soluciones de gestión de servicios y redes sin intervención (ZSM) que automaticen por completo la orquestación de recursos y funcionen en escalas de tiempo muy breves, y la inteligencia artificial (IA) se considera el principal facilitador de los algoritmos de toma de decisiones proactivas que sustentarán la ZSM.

Sin embargo, la solidez y la fiabilidad de los predictores de IA son aspectos críticos y representan una de las principales barreras que actualmente impiden que los MNO confíen en las tecnologías ZSM. De hecho, todos los estudios existentes sobre previsión de tráfico móvil funcionan bajo el supuesto de una red estacionaria, pero, en el caso de la predicción de indicadores clave de rendimiento (KPIs) de la red móvil, las demandas de los usuarios y las configuraciones de la red en las redes móviles operativas varían con el tiempo (no son estacionarias). Por ejemplo, las configuraciones de antena o la popularidad de las aplicaciones móviles pueden actualizarse o cambiar con el tiempo.

Por ello, este proyecto se denomina «IA práctica para la previsión del tráfico de la red 6G variable en el tiempo» (6G-AI-TANGO) y tiene como objetivos:
(i) evaluar y cuantificar la gravedad de los cambios temporales en la predicción de KPIs de la red 6G (al no ser estacionaria),
(ii) diseñar modelos de IA adaptados a la predicción de KPI móviles que sean resistentes a las variaciones temporales a largo plazo que se encuentran habitualmente entre las demandas de los usuarios y las configuraciones de red del mundo real, y
(iii) verificar la solidez de los predictores propuestos con datos del mundo real y de la red móvil 6G en productivo durante la estancia no académica que se llevará a cabo en Telefónica.

 

Este proyecto ha recibido financiación del Programa Marco de la Unión Europea Horizonte Europa en el marco del Acuerdo de Consorcio nº 101206327.