Машинное обучение для мобильных и беспроводных сетей 5G/B5G: потенциал, ограничения и перспективные направления

В ответ на необходимость обслуживать растущий объем мобильного трафика 5G создается как ключевой фактор развития и ведущая инфраструктурная основа индустрии информационно-коммуникационных технологий, обеспечивающая поддержку широкого спектра будущих услуг с различными требованиями. С учетом постоянно возрастающей сложности сети и появления новых вариантов использования, таких как автономные автомобили, промышленная автоматизация, виртуальная реальность, электронное здравоохранение и различные интеллектуальные приложения, ожидается, что машинное обучение (ML) будет играть важнейшую роль в реализации концепции 5G. В статье рассматриваются потенциальные решения для 5G с точки зрения ML. Сначала излагаются основные понятия обучения с учителем, обучения без учителя и обучения с подкреплением, анализируются достигнутые результаты применения ML в контексте мобильной и беспроводной связи, а соответствующая литература систематизируется по типам обучения. Затем обсуждаются перспективные подходы, с помощью которых ML может способствовать выполнению каждого целевого требования к сети 5G, с акцентом на конкретные варианты использования и оценкой их влияния на функционирование сети и связанных с ними ограничений. Наконец, исследуются потенциальные характеристики сетей последующих поколений, или Beyond 5G (B5G), и формулируются направления будущих исследований, посвященных тому, как ML может способствовать реализации B5G. Статья призвана стимулировать обсуждение роли ML в преодолении ограничений, препятствующих широкому развертыванию автономных мобильных и беспроводных сетей 5G/B5G.