Descripción del proyecto
EL CRECIMIENTO ESPERADO DE TRAFICO Y DIVERSIDAD DE SERVICIOS SE ACELERARA EN LOS PROXIMOS AÑOS CON EL DESARROLLO DE LOS SISTEMAS MOVILES 5G. NO OBSTANTE, SON AUN NECESARIOS MUCHOS ESFUERZOS PARA CONSEGUIR QUE 5G SEA UN EXITO. APLICACIONES EMERGENTES CON ALTOS REQUERIMIENTOS, COMO LOS VEHICULOS AUTONOMOS CONECTADOS, HAN MOSTRADOS LAS LIMITACIONES DE 5G, QUE SERA LA PRINCIPAL TECNOLOGIA CONDUCTORA PARA LOS SISTEMAS POST-5G (B5G) Y 6G. UNA TECNOLOGIA CLAVE PARA SUPERAR LAS LIMITACIONES DE 5G SON LOS SISTEMAS CELULARES ASISTIDOS POR DRON (UAV). A DIFERENCIA DE LAS ESTRUCTURAS FIJAS Y DEL USO DE UAVS COMO USUARIOS DE RED (LOGISTICA, VIGILANCIA
), ESTOS SISTEMAS CELULARES INCLUYEN LOS UAVS EN SU ESTRUCTURA, SON FACILES DE DESPLEGAR Y FAVORECEN LA COMUNICACION RADIO CON LINEA DE VISION, AUNQUE TAMBIEN TRAEN NUEVOS PROBLEMAS DEBIDO A LA ALTA INTERFERENCIA INTER-CELDA Y LOS ESQUEMAS DE PROPAGACION 3D. MAS IMPORTANTE AUN, ESTOS SISTEMAS PERMITEN LA MOVILIDAD CONTROLADA DE ELEMENTOS DE RED, MEJORANDO LA ADAPTACION A ENTORNOS ALTAMENTE CAMBIANTES QUE SE ESPERAN EN EL FUTURO. PARA CONSEGUIR EL MEJOR RENDIMIENTO DE LAS INFRAESTRUCTURAS AVANZADAS, SE NECESITA UNA GESTION DE RED EFECTIVA. LAS REDES FUTURAS 6G SERAN EXTREMADAMENTE HETEROGENEAS. DICHO ESCENARIO TAN COMPLEJO SOLO PODRA GESTIONARSE CON UN DISEÑO Y OPERACION DE RED TOTALMENTE AUTOMATIZADOS. LAS ACTUALES SOLUCIONES DE LOS FABRICANTES ADOLECEN DE IMPORTANTES LIMITACIONES, LO CUAL JUSTIFICA QUE LA GESTION DE RED Y SERVICIOS SIN INTERVENCION (ZSM) ESTA AUN PENDIENTE EN LA AGENDA DE LOS GRUPOS DE ESTANDARIZACION Y LA INDUSTRIA MOVIL. LA INTELIGENCIA ARTIFICIAL (AI) Y EL APRENDIZAJE AUTOMATICO (ML) YA ESTAN AYUDANDO A LOS OPERADORES MOVILES A APROVECHAR LAS INGENTES CANTIDADES DE DATOS GENERADAS EN SUS REDES. NO OBSTANTE, LOS METODOS ACTUALES SUELEN LANZAR LA RECOLECCION DE DATOS Y SU ANALISIS COMO PROCESOS AISLADOS E INDEPENDIENTES EN ENTIDADES DE RED CENTRALIZADAS, LO CUAL NO SERA VALIDO EN 6G. LA CRECIENTE FLEXIBILIDAD QUE INTRODUCE LA MIGRACION A REDES PROGRAMABLES CREA NUEVAS OPORTUNIDADES A LA GESTION DE REDES BASADAS EN AI. LA ANALITICA DE GRAFOS (GA) CUBRE UN AMPLIO CONJUNTO DE METODOS PARA ANALIZAR GRAFOS A GRAN ESCALA, Y DESTACA SOBRE OTRAS TECNICAS POR SU CAPACIDAD DE DESCRIBIR RELACIONES COMPLEJAS ENTRE ENTIDADES DE RED. GA JUGARA UN PAPEL PRINCIPAL EN LOS SISTEMAS 6G PARA GESTIONAR EL CRECIENTE NUMERO DE ENTIDADES DE RED Y LA COMPLEJIDAD DEBIDO A LA DENSIFICACION DE LA RED. EL PROYECTO 6G-GRADA DESARROLLARA MODELOS DE APRENDIZAJE AUTOMATICO (ML), INTERPRETABLES Y CON CONSIDERACIONES DE PRIVACIDAD, PARA EL RE-DIMENSIONAMIENTO Y RECONFIGURACION DE REDES DE ACCESO RADIO B5G/6G, BASADOS EN TECNICAS RECIENTES EN ANALITICA DE GRAFOS, APRENDIZAJE DISTRIBUIDO Y PROFUNDO PROBABILISTICO. MAS ESPECIFICAMENTE, EL PROYECTO 6G-GRADA CONTIENE LOS SIGUIENTES OBJETIVOS: O1) DESARROLLAR MODELOS ML PROBABILISTICOS PARA LA PREDICCION DE INDICADORES DE RENDIMIENTO EN REDES B5G CON SEGMENTOS DE RED Y UNO O MAS AGENTES-INQUILINO. O2) DESARROLLAR ALGORITMOS DE PARTICION DE GRAFOS AVANZADOS, BASADOS EN GNN, PARA LA ESTRUCTURACION AUTOMATICA DE CABEZALES RADIO REMOTOS EN UNIDADES BANDA BASE, PARA SISTEMAS RAN VIRTUALIZADOS (CLOUD RAN). O3) DESARROLLAR ALGORITMOS PARA EL AJUSTE Y OPTIMIZACION DE PARAMETROS RRM, ESPECIFICAMENTE DISEÑADOS PARA ESCENARIOS DE RED ASISTIDOS POR DRONES, Y BASADOS EN METODOS ML AVANZADOS, INCLUYENDO LIMITACIONES DE DATOS Y CONSIDERACIONES DE PRIVACIDAD. G\PRIVACIDAD DE DATOS\INTERPRETABILIDAD\APRENDIZAJE FEDERADO\APRENDIZAJE PROFUNDO PROBABILISTICO\APRENDIZAJE AUTONOMO\ANALITICA DE GRAFOS\RED AUTOORGANIZADA\RAN ABIERTA\COMUNICACIONES BASADAS EN DRONES