IA promete reduzir o congestionamento de dados em redes sem fio

Pesquisadores da King Abdullah University of Science and Technology (KAUST), na Arábia Saudita, desenvolveram um esquema que minimiza o volume de dados que precisam ser transferidos pela rede. Eles utilizam inteligência artificial (IA) para melhorar a confiabilidade e reduzir o congestionamento de informações em sistemas sem fio.

• O que é Wi-Fi 6? Conheça o novo padrão de rede sem fio
• Hackers usam falha em rede sem fio para invadir celulares e fazer ligações
• LAN, WLAN, MAN, WAN, PAN: conheça os principais tipos de redes

A IA coordena os recursos de comunicação com base nos padrões históricos de uso ao longo do tempo, descentralizando o modelo de previsão. Essa abordagem consegue diminuir a sobrecarga na largura de banda utilizada durante o processo de transmissão contínua para um banco de dados central.

“A previsão de tráfego sem fio pode desempenhar um papel central no gerenciamento de rede como base para sistemas de comunicação inteligentes. As técnicas de IA, como redes neurais profundas, são capazes de modelar com precisão as complicadas correlações não lineares espaço-temporais no tráfego sem fio”, explica o professor de engenharia elétrica Chuanting Zhang, autor principal do estudo.

Atenção dupla

A equipe da KAUST criou um sistema hierárquico conhecido como “atenção dupla” que combina um modelo global central com modelos locais em cada uma das estações de base. Esse esquema faz o gerenciamento da influência dos modelos locais de acordo com sua localização na rede, enviando apenas uma quantidade limitada informações a cada atualização.

Esse comportamento coordenado por um dispositivo de IA resulta em um modelo de previsão híbrido com baixa sobrecarga, que fornece uma antecipação de alta qualidade sobre situações de mudança espacial e temporal durante o uso de uma rede sem fio convencional em um determinado período.

“Como diferentes estações base podem ter padrões de tráfego muito distintos entre si, é bastante desafiador desenvolver um modelo de previsão único que funcione bem — e de maneira consistente durante longos períodos de utilização — em todas as estações base de uma vez só”, acrescenta o professor Zhang.

FedDA

A estrutura desenvolvida pelos pesquisadores foi batizada de FedDA (sigla em inglês para aprendizagem federada baseada em atenção dupla). Esse sistema permite o agrupamento de estações base, considerando a geolocalização dos dispositivos para prever o uso da rede sem fio com maior precisão.

O modelo de previsão de alta qualidade é treinado colaborativamente para capturar os vários padrões de tráfego de informações ao mesmo tempo, mantendo os dados brutos localmente. Esse sistema é fundamental para criar redes mais inteligentes, sem a necessidade de transferência de grandes quantidades de dados como ocorre em dispositivos atuais, causando atrasos e problemas de privacidade.

Ao testar dois conjuntos de dados, os cientistas da KAUST conseguiram provar que o FedDA possui um desempenho de previsão consideravelmente melhor em comparação com outros métodos de comunicação, como o envio de mensagens de texto, chamadas telefônicas ou tráfego convencional de internet. Em cenários controlados, os ganhos de performance chegam a 20%.

“Com este método, descentralizamos a previsão de tráfego sem fio e também implementamos a otimização do modelo global de atenção dupla, mantendo o conhecimento atual do servidor central e as informações dos clientes locais. Após serem atualizados, esses modelos podem se adaptar a padrões de tráfego mais eficientes e seguros”, completa o professor Chuanting Zhang.

Fonte: KAUST