hrvatski

Primjena umjetne inteligencije u poboljšanju energetske učinkovitosti mobilnih mreža pete i šeste generacije

Očekuje se da će zbog porasta podatkovnog prometa i broja korisnika mobilnih mreža u ovom desetljeću, potrošnja energije radio pristupnog dijela mobilnih mreža u narednim godinama nastaviti sa značajnim rastom. Velika potrošnja energije mobilnih mreža doprinosi porastu operativnih troškova mobilnih operatera kao i neželjenoj emisiji stakleničkih plinova. U ovom radu su opisane metode smanjenja potrošnje električne energije mobilnih mreža pete (5G) i šeste (6G) generacije. Posebno su istaknute metode temeljene na umjetnoj inteligenciji, strojnom i dubokom učenju. Rad je strukturalno podijeljen na šest poglavlja. U prvom poglavlju dan je opis koncepta umjetne inteligencije, kao i različitih vrsta primjene umjetne inteligencije poput strojnog i dubokog učenja. Potom su u sljedećem poglavlju opisane mobilne mreže s posebnim naglaskom na mreže pete i šeste generacije. Analizirana je potrošnja energije 5G i 6G mobilnih mreža kao i glavni uzročnici velike potrošnje energije radio dijela pristupnih mobilnih mreža. Predstavljeni su različiti pristupi koji imaju za cilj da uz održavanje postojeće kvalitete mrežne usluge omoguće smanjenje potrošnje energije radio dijela 5G mreže. Dodatno su posebno opisani pristupi najvećih proizvođača baznih postaja u smislu tehničkih rješenja koja doprinose smanjenju potrošnje energije mreže, a koji su već implementirani u postojeće generacije baznih postaja. Nadalje, u predzadnjem poglavlju analizirane su metode smanjenja potrošnje energije 5G i 6G mobilnih mreža temeljene na primjeni umjetne inteligencije, dubokog i strojnog učenja. Posebno su analizirane metode temeljene na optimalnom postavljanju i upravljanju aktivnošću baznih stanica, upravljanju odašiljačkom snagom i resursima mobilne mreže, raspodjeli resursa u masivnim sustavima s više ulaza i izlaza (mMIMO) te prikupljanju energije iz obnovljivih izvora. U zadnjem poglavlju je ukazano na to da primjena metoda umjetne inteligencije i različitih varijanti iste predstavlja značajan alat koji će biti dominantno korišten u budućnosti za optimiziranje potrošnje energije u radio djelu bežičnih pristupnih mreža. // Due to the increase in data traffic and the number of mobile network users in this decade, the energy consumption of the radio access part of mobile networks is expected to continue to grow significantly in the upcoming years. High energy consumption of mobile networks contributes to the increase in operating costs of mobile operators as well as unwanted greenhouse gas emissions. This paper describes methods for reducing the energy consumption of the fifth (5G) and sixth (6G) mobile network generations. Special emphasis is given to the methods based on artificial intelligence, machine and deep learning. The thesis is structurally divided into six chapters. The first chapter describes the concept of artificial intelligence, as well as different types of applications of artificial intelligence such as machine and deep learning. Mobile networks with special emphasis on the 5G and 6G networks are then described in the next chapter. The energy consumption of the 5G and 6G mobile networks as well as the main causes of high energy consumption in radio access networks are analyzed. Various approaches are presented, with the aim to reduce the energy consumption of the radio part of the 5G network while maintaining the existing quality of the network service. In addition, the approaches of the largest base station manufacturers in terms of technical solutions that contribute to the reduction of network energy consumption which are implemented in existing generations of base stations are described. Furthermore, in the penultimate chapter methods for reducing the energy consumption of the 5G and 6G mobile networks based on the application of artificial intelligence, deep and machine learning were analyzed. In particular, methods based on the optimal setup of the base station activity and transmission power with the management of the mobile network resources including resource allocation in the massive multiple-input multiple-outputs (mMIMO) systems and energy harvesting from renewable energy sources are analyzed. In the last chapter is concluded that the implementation of artificial intelligence and corresponding method can be an important tool that will be predominantly used in the future to optimize energy consumption in the radio part of wireless cellular networks.

umjetna inteligencija ; strojno učenje ; duboko učenje ; energetska učinkovitost ; mobilne mreže ; 5G ; 6G ; MIMO ; radio pristupne mreže ; zelene bežične mreže ; bazna stanica

nije evidentirano