{"id":2611,"date":"2021-07-06T12:32:13","date_gmt":"2021-07-06T11:32:13","guid":{"rendered":"https:\/\/telecomkh.info\/?p=2611"},"modified":"2021-07-06T12:32:13","modified_gmt":"2021-07-06T11:32:13","slug":"la-primera-aplicacion-ran-del-sector-basada-en-el-machine-learning-aumenta-la-eficiencia-espectral-en-un-15","status":"publish","type":"post","link":"https:\/\/telecomkh.info\/?p=2611","title":{"rendered":"La primera aplicaci\u00f3n RAN del sector basada en el machine learning aumenta la eficiencia espectral en un 15%"},"content":{"rendered":"<p><strong>El Proyecto Marconi de Capgemini sobre la arquitectura de Intel -Intel Architecture- ofrece a los abonados una Calidad de Experiencia excepcional. La inferencia del Machine Learning permite realizar an\u00e1lisis en tiempo real para obtener una vision y toma de decisiones m\u00e1s r\u00e1pidas<\/strong><\/p>\n<p>Capgemini ha anunciado una soluci\u00f3n innovadora que ofrece a los operadores m\u00f3viles una ventaja significativa para cobrar por los servicios 5G m\u00e1s r\u00e1pidamente. Con el nombre de \u201cProyecto Marconi\u201d, la soluci\u00f3n se ajusta a las directrices de la O-RAN (Open Radio Access Network) para maximizar la eficiencia del espectro. La soluci\u00f3n mejora de forma inteligente la calidad de la experiencia del abonado (QoE) con an\u00e1lisis predictivos en tiempo real.<br \/>\nEl Proyecto Marconi es la primera aplicaci\u00f3n de red de radio basada en Inteligencia Artificial y Machine Learning del sector para el programador de 5G Medium Access Control (MAC). Optimizada con el Software Intel AI y los procesadores Intel Xeon Scalable de tercera generaci\u00f3n.<br \/>\nLos proveedores de redes de todo el mundo han realizado grandes inversiones en espectro y buscan soluciones para desarrollar y obtener servicios 5G con mayor rapidez. Seg\u00fan la Asociaci\u00f3n Global de Proveedores de Telefon\u00eda M\u00f3vil, el valor total de las subastas de espectro alcanz\u00f3 m\u00e1s de 27.000 millones de d\u00f3lares en 2020. La soluci\u00f3n de Capgemini sobre la arquitectura de Intel aumenta la cantidad de tr\u00e1fico que puede manejar cada celda. Permite a los operadores atender a m\u00e1s abonados y ofrecer una experiencia excepcional, al tiempo que lanzan nuevos servicios de la Industria 4.0, como los casos de uso de la banda ancha mejorada \u2013Enhanced Mobile Broadband (eMBB)- y las comunicaciones de baja latencia ultra-fiables -Ultra Reliable Low Latency Communications (URLLC)-.<br \/>\nEn palabras de Walid Negm, Director de Investigaci\u00f3n e Innovaci\u00f3n de Capgemini Engineering: \u00abNuestros equipos han trabajado estrechamente con Intel para crear una soluci\u00f3n realmente innovadora que pueda mover el mercado para los operadores. Recogimos y utilizamos m\u00e1s de un terabyte de datos y realizamos innumerables pruebas con NetAnticipate5G para perfeccionar el an\u00e1lisis predictivo con el fin de satisfacer las diversas necesidades de los operadores. En resumen, el aprendizaje autom\u00e1tico puede desplegarse para la toma de decisiones inteligentes en la capa radio (RAN) sin necesidad de hardware adicional. Esto hace que sea rentable a corto plazo y que est\u00e9 preparado para el futuro a medida que avancemos en soluciones de Cloud Native RAN\u00bb.<br \/>\nSeg\u00fan Cristina Rodr\u00edguez, Vicepresidenta de la Divisi\u00f3n de Redes de Acceso Inal\u00e1mbrico de Intel: \u00abNuestros procesadores Intel Xeon Scalable de tercera generaci\u00f3n con aceleraci\u00f3n de IA incorporada proporcionan un alto rendimiento para el aprendizaje profundo en la plataforma Net Anticipate 5G. Juntos, nuestra colaboraci\u00f3n proporcion\u00f3 datos de inferencia ultrarr\u00e1pidos para mejorar las bibliotecas ML de c\u00f3digo abierto, lo que dio como resultado una RAN inteligente que puede predecir y reaccionar r\u00e1pidamente a los requisitos de cobertura de los abonados, al tiempo que reduce el TCO\u00bb.<br \/>\nCapgemini despleg\u00f3 sus plataformas NetAnticipate5G y RATIO O-RAN para introducir t\u00e9cnicas avanzadas de IA\/ML. La soluci\u00f3n anal\u00edtica predictiva impulsada por la IA pronostica y asigna los valores adecuados de MCS (esquema de modulaci\u00f3n y codificaci\u00f3n) para la transmisi\u00f3n de la se\u00f1al mediante la previsi\u00f3n de la calidad de la se\u00f1al del usuario y los patrones de movilidad con precisi\u00f3n. De este modo, la RAN puede programar de forma inteligente los recursos MAC para lograr una predicci\u00f3n de MCS hasta un 40% m\u00e1s precisa y rendir hasta un 15% m\u00e1s de eficiencia espectral en los casos pr\u00e1cticos y pruebas. Como resultado, ofrece velocidades de datos m\u00e1s r\u00e1pidas, una QoE mejor y m\u00e1s consistente a los abonados y una cobertura robusta para los casos de uso que dependen de la conectividad de baja latencia, como la fabricaci\u00f3n basada en la rob\u00f3tica y V2X (vehicle-to-everything).<\/p>\n<p><span style=\"color: #999999;\"><em>Arriba, imagen cortes\u00eda de Capgemini<\/em><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>El Proyecto Marconi de Capgemini sobre la arquitectura de Intel -Intel Architecture- ofrece a los abonados una Calidad de Experiencia excepcional. La inferencia del Machine Learning permite realizar an\u00e1lisis en tiempo real para obtener una vision y toma de decisiones m\u00e1s r\u00e1pidas Capgemini ha anunciado una soluci\u00f3n innovadora que ofrece a los operadores m\u00f3viles una &hellip; <\/p>\n<p class=\"link-more\"><a href=\"https:\/\/telecomkh.info\/?p=2611\" class=\"more-link\">Continue reading<span class=\"screen-reader-text\"> \u00abLa primera aplicaci\u00f3n RAN del sector basada en el machine learning aumenta la eficiencia espectral en un 15%\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":2612,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[56],"tags":[],"_links":{"self":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/2611"}],"collection":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=2611"}],"version-history":[{"count":1,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/2611\/revisions"}],"predecessor-version":[{"id":2613,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/2611\/revisions\/2613"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/media\/2612"}],"wp:attachment":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=2611"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=2611"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=2611"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}