Comunicarse sin obstáculos a distancias cortas y largas es un sueño que Murat Yuksel espera hacer realidad.
Su investigación en curso, titulada “INWADE: INtelligent Waveform Adaptation with DEep Learning”, y financiada por la Fuerza Aérea de los Estados Unidos, tiene como objetivo acercarnos a ese sueño mejorando la calidad de las redes inalámbricas de alta frecuencia utilizando el aprendizaje automático para ajustar finamente la eficacia de las redes.
La necesidad de mejorar de manera eficiente la calidad de la señal inalámbrica crecerá con la continua proliferación de redes inalámbricas para su uso en comunicaciones, dice Yuksel, quien es profesor del Departamento de Ingeniería Eléctrica e Informática de la UCF dentro del College of Engineering and Computer Science.
“Las redes inalámbricas emergentes 5G y posteriores utilizan regularmente señales de alta frecuencia que son muy sensibles al entorno”, dice. “Se bloquean fácilmente o se atenúan rápidamente a medida que viajan. Incluso la naturaleza de las partículas en el aire las afecta significativamente. El aprendizaje profundo nos permite aprender las características del entorno. Por lo tanto, el uso de estas características aprendidas nos permite ajustar mejor las señales inalámbricas para lograr mayores velocidades de transferencia de datos”.
INWADE es un medio automatizado para diseñar múltiples bloques de comunicación en el transmisor y el receptor conjuntamente al entrenarlos como una combinación de redes neuronales profundas, beneficiando a los usuarios de redes inalámbricas.
El desarrollo y estudio de la red INWADE fue catalizado por la necesidad de mantenerse al ritmo de la expansión y el uso de las redes inalámbricas.
“La demanda de transferencias de datos inalámbricas (como la telefonía celular y Wi-Fi) es cada vez mayor y esto provoca más disputas en el reparto del recurso natural subyacente, que es el espectro radioeléctrico que admite estas transferencias inalámbricas”, dice Yuksel.
El aspecto del aprendizaje profundo de la investigación es una consideración emergente que ofrece mejores señales inalámbricas con un retraso mínimo. La red de aprendizaje profundo seleccionará las modificaciones de forma de onda óptimas y la dirección del haz con su entorno de radiofrecuencia percibido para administrar drones y nodos que proporcionan señales y modificaciones inalámbricas.
“Nuestro trabajo muestra la viabilidad de utilizar el aprendizaje por refuerzo profundo en tiempo real para ajustar finamente las señales de ondas milimétricas, que operan en parte de las bandas de super-6 GHz”, dice Yuksel. “Además, el proyecto tiene como objetivo demostrar que el aprendizaje profundo a nivel de enlace y de red puede trabajar juntos para hacer que las señales sean ‘inteligentes en profundidad'”.
Aprovechar los recursos de red inalámbrica existentes y navegar por obstáculos fijos o vías aéreas atestadas rápidamente es una preocupación omnipresente y lleva a los administradores de red a buscar espectros a frecuencias más altas que las bandas de frecuencia sub-6 GHz comúnmente utilizadas, dice Yuksel.
Estas bandas “super-6 GHz” son difíciles de acceder y mantener, por lo que el aprendizaje profundo es algo que Yuksel espera utilizar para abordar ese desafío.
“Operan con antenas altamente direccionales, lo que las hace frágiles a la movilidad/movimiento y no pueden llegar lejos, ya que son sensibles a las partículas en el aire”, dice Yuksel. “Por lo tanto, tenemos que manejarlas con mucho cuidado para admitir transferencias de datos de alto rendimiento. Esto requiere métodos algorítmicos avanzados que puedan aprender el entorno y ajustar las señales inalámbricas super-6 GHz al entorno operativo”.
Algunos hallazgos iniciales con respecto a la viabilidad de los algoritmos que pueden implementarse en INWADE se publicaron en la Conferencia Internacional de la Federación para el Procesamiento de la Información sobre el Internet de las Cosas a fines de 2023.
El proyecto comenzó a principios de 2024 después de recibir la primera parte de los $ 250,000 otorgados por el Laboratorio de Investigación de la Fuerza Aérea a fines de 2023, pero ya hay hallazgos prometedores, señala Yuksel.
“Hemos demostrado en una plataforma de prueba de laboratorio que nuestros métodos de aprendizaje profundo pueden resolver con éxito algunos de los problemas fundamentales del nivel de enlace, como la detección del ángulo de llegada o la búsqueda de la dirección de una señal entrante”, dice. “Esta capacidad es muy útil para varias aplicaciones críticas, por ejemplo, determinar la ubicación y la dirección del movimiento. Los siguientes pasos incluyen demostrar una capacidad similar en los drones y mostrar la viabilidad de la coexistencia del aprendizaje profundo a nivel de enlace y de red”.
Después de desarrollar y probar el marco INWADE, Yuksel prevé desafíos y consideraciones adicionales que pueden requerir un estudio adicional al implementar el aprendizaje automático.
“Un esfuerzo teórico clave es comprender si múltiples agentes de aprendizaje automático pueden coexistir en diferentes capas de la red inalámbrica y aún así lograr un mejor rendimiento sin poner en peligro los objetivos de los demás”, dice.
Aunque Yuksel es el investigador principal de la investigación, él le da crédito a sus estudiantes y colaboradores por gran parte de su éxito.
“Mis estudiantes ayudan a realizar los experimentos y recopilar los resultados”, dice. “Estoy en deuda con ellos. También estamos colaborando con Clemson, ya que están trabajando en el diseño de nuevos métodos de aprendizaje automático para los problemas que estamos abordando”.
El trabajo de Yuksel continúa, y él es optimista de que su investigación beneficiará aún más el gran esfuerzo científico de hacer que las redes inalámbricas sean accesibles para todos.
“El potencial de este esfuerzo es enorme”, dice. “Considero que el espectro radioeléctrico es un recurso natural crítico, como el agua o el aire limpio. A medida que los métodos de aprendizaje automático avanzan, ser capaz de utilizarlos para compartir mejor el espectro y resolver desafíos inalámbricos críticos es muy necesario”.
Distribución A. Aprobado para publicación pública: Distribución ilimitada: AFRL-2024-2894 el 17 de junio de 2024
Credenciales del investigador
Yuksel es profesor en el Departamento de Ingeniería Eléctrica e Informática de la UCF y se desempeñó como su presidente interino de 2021 a 2022. Recibió su doctorado en informática del Instituto Politécnico Rensselaer en 2002. Los intereses de investigación de Yuksel incluyen sistemas inalámbricos, inalámbricos ópticos y gestión de redes, y tiene varios proyectos de investigación en curso financiados por la Fundación Nacional de Ciencias.
