2月25日消息（水易）今日，由中國移動研究院主辦的“遇見未來”——6G協(xié)同創(chuàng)新成果發(fā)布會在北京召開，發(fā)布了中國移動研究院在6G方面的階段性成果。中國移動研究院主任研究員韓雙鋒對《6G物理層AI關鍵技術白皮書》進行解讀。
物理層引入AI的必要性
什么是物理層AI？韓雙鋒介紹，物理層AI是接入網(wǎng)AI的一部分，包括物理層模塊功能增強和物理層鏈路聯(lián)合設計兩種思路；主要步驟包括：物理層的數(shù)據(jù)采集、AI模型的選擇、訓練、以及推理。
眾所周知，經(jīng)過幾十年的發(fā)展，傳統(tǒng)的通信鏈路中的信源編解碼、信道編解碼、調(diào)制解調(diào)、波形多址、MIMO等多個模塊已經(jīng)有了非常堅實的通信理論基礎。但是，在現(xiàn)有的通信系統(tǒng)中為什么還要引入AI？
韓雙鋒表示，主要是因為無線通信系統(tǒng)中存在大量傳統(tǒng)方法難以精確建?；蛘吒咝是蠼獾募夹g問題，引入AI可以更好地把握復雜環(huán)境下無線信道的特征以及復雜數(shù)學問題的求解，從而提升物理層的性能。
韓雙鋒介紹，在《6G物理層AI關鍵技術白皮書》中，深入分析了基于AI的收發(fā)機鏈路設計，倡導基于數(shù)據(jù)和模型雙驅動的設計理念，這樣可以顯著減少訓練所需的開銷，此外還具有更好的泛化性。
網(wǎng)絡中有了物理層AI 能力后，還要有創(chuàng)新的網(wǎng)絡架構、接口和信令流程的支持，才能發(fā)揮AI的最大能力。為此，中國移動研究院提出了實時AI空口的理念：物理層AI的輸出信息直接輸入基站調(diào)度器，可以實現(xiàn)更智能的業(yè)務和資源調(diào)度。
韓雙鋒指出，其實從整個系統(tǒng)層面看，網(wǎng)絡中的AI功能是分布式的，接入網(wǎng)、核心網(wǎng)、網(wǎng)管、以及終端的AI功能互相配合，聯(lián)合優(yōu)化系統(tǒng)性能。
物理層AI關鍵技術研究
大規(guī)模MIMO是5G 的一項核心技術，但是天線數(shù)目上升帶來了新問題，尤其是信道估計和反饋的開銷快速增加，信道估計和預測的精度有待提升，應用AI技術, 有望解決上市一系列問題。
白皮書系統(tǒng)分析了基于AI的大規(guī)模天線系統(tǒng)中的信道壓縮、估計和預測的主要設計理念和技術。不過，上述非常有潛力的技術存在一些問題，主要的挑戰(zhàn)是訓練數(shù)據(jù)集和實際信道的差異難以有效把控，AI算法的泛化性不足導致系統(tǒng)性能的下降。
韓雙鋒表示，MIMO技術的標準化已持續(xù)多年，3GPP MIMO碼本已經(jīng)利用了信道的空域和頻域稀疏性來達到降低開銷的目的，但是仍然有很多方面需要進一步提升。
在一些場景中，變換域（例如時延和多普勒域）的信道比時頻域信道具有更低的反饋開銷 ；現(xiàn)有碼本主要基于均勻天線陣列來設計，對一些特殊的天線形態(tài)還沒有靈活的優(yōu)化設計；FDD系統(tǒng)上下行信道的部分互易性并沒有很好的體現(xiàn)在碼本設計理念中；不同用戶之間信道的相關性也可以用來進一步降低系統(tǒng)的整體反饋開銷，目前也沒有體現(xiàn)在碼本設計中。
針對這些需要提升的方面，中國移動提出了基于AI的演進思路。韓雙鋒表示：“我們希望可以借助于AI的能力，在以上幾個方面優(yōu)化設計，最大化MIMO的性能。”
與此同時，無線AI算法的評估準則、數(shù)據(jù)集與泛化性等問題是緊密耦合的，關系復雜，需要聯(lián)合優(yōu)化設計。例如在某個應用場景中，在一定的評估準則下，既需要設計科學的數(shù)據(jù)集，高效率的算法，同時還要兼顧泛化性要求，難度非常大。
為此白皮書提出了物理層AI的評估準則和典型評估指標，包括性能相關的指標、開銷相關的指標，以及物理層AI數(shù)據(jù)集的構建準則，還提出了提升AI算法泛化性的思路。此外，白皮書還倡導了評估所用的AI模型需要充分公開透明，包括模型結構與參數(shù)，便于完整復現(xiàn)方案的評估結果。
未來研究與標準化展望
韓雙鋒表示，經(jīng)過近幾年的快速發(fā)展，物理層AI技術，尤其是部分通信模塊功能增強方面有了長足的進步，涌現(xiàn)了諸多優(yōu)秀的算法。展望未來，在相關研究和標準化方面仍然有很多艱巨的挑戰(zhàn)。
展望未來的研究方向，包括綠色AI技術（包括AI算法和芯片設計）、基于AI的鏈路聯(lián)合設計、基于AI的自演進通信標準、量子加速的AI算法等。
未來標準化方向，包括業(yè)界要努力構建智能與開放的無線網(wǎng)絡，逐步實現(xiàn)基于AI的RAN架構、開放的AI算法、運營商可管控的智能調(diào)度、協(xié)議功能 原子化可編排、以及空口AI技術逐步自演進。
標準化路線圖大體可以分為近期、中期、長期三個階段；每個階段都有自己的側重點，預計近期工作聚焦在部分物理層功能模塊的AI增強 ，中期是智能調(diào)度為核心的協(xié)議技術（包括基于AI的信道編碼、調(diào)制、波形、調(diào)度等）；長期目標是要努力打造面向空口自演進的終極AI（實現(xiàn)端到端AI算法與架構）。
免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。
