2021 Fiscal Year Annual Research Report
Researches on Model-aided Learning Approaches for Reliable Realtime Control in Future Wireless Systems
| Project/Area Number |
20H00592
|
|---|
| Research Institution | National Institute of Informatics |
|---|
Principal Investigator |
計 宇生 国立情報学研究所, アーキテクチャ科学研究系, 教授 (80225333)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
金子 めぐみ 国立情報学研究所, アーキテクチャ科学研究系, 准教授 (10595739)
村瀬 勉 名古屋大学, 情報基盤センター, 教授 (10530941)
吉永 努 電気通信大学, 大学院情報理工学研究科, 教授 (60210738)
策力 木格 電気通信大学, 大学院情報理工学研究科, 教授 (90596230)
江 易翰 大阪府立大学, 工学(系)研究科(研究院), 助教 (10824196)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 無線通信システム / 機械学習 / 資源割当 / 実時間制御 |
|---|
| Outline of Annual Research Achievements |
本研究は、次世代無線通信システムとそのアプリケーションを実現するために、無線システムの知的制御と資源割当、および通信・計算・記憶・制御機能の遍在化の課題について取り組むものである。2021年度では、以下の研究項目を実施した。
１）無線資源割当：無線通信における制御最適化の課題を解決する効果的な学習方法を検討した。深層強化学習を用いて、ミリ波とギガヘルツ帯域を統合的に利用する次世代無線ネットワークにおいて、利用者のサービス品質を保証しながら、エネルギー消費も抑えられるように、複数のアクセスポイントとの接続を選択する最適化問題を解決した。また、ショートパケットを大量に送信するIoTアプリケーションにおいて、深層学習により無線環境の変動と利用者の品質要求に対応して、異なる無線帯域間の利用者分配と資源割当問題の解決方法を提案した。
２）ネットワーク資源のオーケストレーション：SDNなどのネットワークワイドな制御方法について、機械学習を利用したトラフィック予測技術を取り入れたトラフィックエンジニアリング手法を検討し、トラフィック需要に対する予測により、トラフィックの変動による経路変更の回数を大幅に減らし、実トラフィックデータを用いてその有効性を検証した。
３）タスクのオフローディングとスケジューリング：ユーザ、エッジ、クラウドなどのノード間の処理、記憶機能の連携と、タスク間の相互関係を意識したタスクのオフローティングとスケジューリングの方法を検討した。また、実時間制御で有効な性能指標である情報の鮮度について考慮し、深層強化学習を利用したモバイルユーザの行動の最適化方法を開発した。
４）通信処理とキャッシングの高速化：基地局の負荷低減の方法として、個々のモバイル端末をキャッシュサーバと見なした分散協調キャッシュ方式において、基地局の混雑状況に応じて柔軟にキャッシュ制御を行う方法を検討した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
コロナ感染症拡大で研究員の雇用が延期になったため、一部の研究内容の実施が令和４年度にずれ込んだが、その後の検討は順調に進み、具体的な研究成果も出している。研究の実施は概ね順調に進展していると考える。
|
| Strategy for Future Research Activity |
当初の研究計画で予定した研究の推進方策を続けていく予定である。外国との研究交流はオンラインでできる範囲においては実施していたが、状況の回復で再開していく予定である。
|
Research Products
(47 results)
