2022. 05. 17. - 09:55
Nehéz jobb teljesítményt elérni a 6G számos területén?
Az austin-i Samsung 6G Fórum egyik fontos megállapításaként Jeffrey Andrews elmondta, miért lesz kulcsfontosságú a pontos helyzetfelismerés a technológia számos alkalmazási szempontjai meghatározásában, valamint, hogy a 6G számos területén nehéz lehet jobb teljesítményt kicsikarni, mint a jelenlegi 5G hálózatok.
Számos hasznos információt osztottak meg egymással a szakértők a Samsung 6G Fórumon, melyet május 13-án rendeztek meg az Austin-i Texasi Egyetemen.
Jeffrey Andrews, az austini Texasi Egyetem professzora és a 6G program igazgatója állítja: a megfelelő helyzetfelismerés kulcsfontosságú lesz a technológia számos alkalmazási szempontjainak meghatározásában, a nagy adatsebesség és csatlakozás mellett.
Prezentációjában megjegyezte, hogy a feltörekvő 5G-alkalmazások - köztük az autonóm járművek és robotok - helyzetfelismerést igényelnek, s ez túlmutat azon, amit egyes-egyedül érzékelnek. Olvasd el: A Samsung szerint az MMWave szolgáltatást kell bővíteni
A 6G hátterében az egyre inkább adatigényes használati esetek állnak - állítja a szakember
„Bár a vezető nélküli autókat autonómnak készítik, nem működnek tökéletesen, amíg nem látnak dolgokat és nem tudnak a dolgokról a saját látóterükön kívül. Ellenkező esetben túl lassan és konzervatívan kell vezetniük” – hangsúlyozta Andrews.
Hozzátette: a 6G hátterében az egyre inkább adatigényes használati esetek állnak - hivatkozva arra, hogy 2030-ra a mobilhálózati forgalom akár 50-szeresére is nőhet.
Jeffrey Andrews másik fő kutatási témaként a költség-kontrollt is kiemelte, megjegyezve, hogy a bázisállomások sűrűbb telepítése valószínűleg soha nem látott mértékű megosztást és együttműködést, valamint az infrastruktúra újrafelhasználását igényelné a különböző szolgáltatók között. Olvasd el: A 6G-kutatás előremozdításáért egyezett meg a Samsung és a Keysight
Felhívta a figyelmet, hogy a 6G számos területén nehéz lehet jobb teljesítményt kicsikarni, mint a jelenlegi 5G hálózatok - megjegyezve, hogy az utóbbi technológia fizikai rétegét évtizedek alatt fejlesztették ki és az iparág már előrehaladott állapotban van az elméleti és megvalósítási utak terén.
A szakember hozzátette, hogy a gépi tanulás elősegíti a helyspecifikus tanulást és tervezést, s kutatásainak nagy része a sugárkezelés javítására összpontosít.
Andrews kiemelte azt is, hogy a mély tanulás a vezeték nélküli fejlesztés hatékony eszköze, de nem csodaszer - a következő évtized egyik fő kutatási kihívása megtanulni, mikor és hogyan használják azt.
L.A.
