МФТИ создал нейросетевой алгоритм для надежной связи 5G и 6G

В Московском физико-техническом институте создали алгоритм ALPACA (Asymmetric Loss Prediction Algorithm for Channel Adaptation) на основе методов машинного обучения, позволяющий повысить надежность беспроводной связи нового поколения в быстро меняющихся условиях передачи сигнала, сообщил «Ведомостям» представитель МФТИ. Результаты работы могут найти применение в высокоскоростных сетях пятого и последующих поколений, где критически важны минимальные задержки сигнала и точная передача данных.

Связь 5G, по данным Минцифры, должна появиться в российских городах с населением более 1 млн человек не позднее 31 декабря 2027 г.

Эволюция требований к сети

Стандарты сотовой связи последовательно ужесточают требования к задержкам сигнала и надежности передачи данных. Если для 3G были приемлемы задержки в сотни миллисекунд (мс) и потеря пакета на уровне процентов, то 4G снизил задержки до 20–30 мс. Однако ни 3G, ни 4G не гарантировали доставку данных в строго определенное время – сеть работала по принципу «с максимальными усилиями».

5G принципиально меняет подход. В стандарте пятого поколения заложены три сценария: массовый широкополосный доступ, массовый интернет вещей и сверхнадежная связь с ультрамалой задержкой (URLLC). Последний сценарий требует, чтобы задержка не превышала нескольких миллисекунд, а вероятность потери пакета составляла менее одной 100-тысячной доли процента. Такие параметры необходимы для удаленной хирургии, управления беспилотным транспортом, промышленной автоматики и умных энергосетей. В разрабатываемом стандарте 6G требования ужесточаются еще сильнее: задержки должны снизиться до долей миллисекунды, а надежность вырасти на порядок.

Проблема прогнозирования в быстро меняющейся среде

Существующие подходы к прогнозированию сигнала в сети можно разделить на две группы. Эвристические алгоритмы – это наборы эмпирических правил, которые инженеры выводят на основе наблюдений: например, если абонент движется с определенной скоростью, то качество сигнала будет меняться с такой-то интенсивностью. Эти правила работают в усредненных условиях, но не учитывают множество случайных факторов: внезапные помехи, переотражения от зданий, изменение трафика.

Классические нейросетевые модели, в свою очередь, обучаются на больших массивах данных и могут выявлять сложные закономерности. Но большинство из них построены на симметричных функциях потерь: они одинаково штрафуют любую ошибку прогноза – как завышение, так и занижение оценки качества канала.

Последствия этих ошибок принципиально разные. Если сеть переоценит качество канала (решит, что он лучше, чем есть на самом деле) и выберет слишком высокую скорость передачи, то пакет данных будет потерян – это недопустимо для URLLC-приложений (Ultra-Reliable Low-Latency Communication – сверхнадежная связь с ультрамалой задержкой). Если же сеть недооценит канал и снизит скорость, сбоя не произойдет, но при этом частотный ресурс будет использован неэффективно.

Именно эту асимметрию последствий – когда плата за ошибку в сторону риска многократно выше, чем в сторону осторожности – игнорируют существующие подходы.

Как работает ALPACA

Исследователи МФТИ предложили решение этой проблемы – алгоритм ALPACA. В его основе лежит применение нейросетевых моделей для выбора оптимального режима передачи данных в быстро меняющихся условиях канала связи.

Традиционные методы не всегда позволяют обеспечить строгие требования по задержке (миллисекунды) и надежности (вероятность потери пакета составляет менее 0,001%), особенно в сценариях с высокой мобильностью пользователей, поэтому было решено изучить возможность применения нейросетевых алгоритмов, рассказал Кирилл Глинский, соавтор исследования, научный сотрудник лаборатории интеллектуальных систем связи МФТИ и лаборатории беспроводных сетей Института проблем передачи информации им. Харкевича РАН.

ALPACA специально «штрафуется» за слишком оптимистичные прогнозы, которые могут привести к сбоям. Модель учится определять необходимый уровень «перестраховки» в конкретном сценарии, что делает ее более гибким инструментом по сравнению со статичными эвристиками. Такой подход позволяет снизить расход ресурсов канала до 40% по сравнению с существующими решениями и увеличить пропускную способность сети для обслуживания URLLC-приложений примерно на 40% в соответствующем диапазоне SINR (Signal-to-Interference-plus-Noise Ratio – отношение сигнала к сумме помех и шума, показатель качества радиосигнала).

Алгоритм протестирован на данных, полученных в ходе натурных экспериментов в условиях городской среды, а также на стандартизованных моделях каналов связи. Исследователи также предложили решения, позволяющие системе адаптироваться к изменяющейся обстановке и повышать качество связи, добавил Евгений Хоров, соавтор работы и заведующий лабораторией интеллектуальных систем связи МФТИ и лабораторией беспроводных сетей Института проблем передачи информации им. Харкевича РАН.

Результаты исследований опубликованы в научном журнале первого квартиля IEEE Access. В 2025 г. Глинский стал победителем Всероссийского молодежного научного форума «Наука будущего – наука молодых».

Сценарии применения

Практическое применение технологии возможно в нескольких сценариях. В промышленности – как замена кабельных соединений на беспроводные в производственных цехах.

На транспорте – для работы беспилотных грузовиков и дронов-курьеров, обменивающихся данными с диспетчером в реальном времени. В энергетике – в  управлении умными электросетями, где датчики должны мгновенно сообщать о перегрузках. В медицине – для проведения удаленных хирургических операций.

В будущем исследователи планируют адаптировать алгоритм для систем Massive MIMO-URLLC. Это сочетание двух технологий: Massive MIMO (Multiple-Input Multiple-Output) – когда базовая станция оснащается большим числом антенн и URLLC – сверхнадежной связи с ультрамалой задержкой. Такие системы рассматриваются как часть стандарта 6G.

Оценка операторов связи

Опрошенные «Ведомостями» операторы связи оценили практическую ценность разработки.

В «Ростелекоме» отметили, что технические службы готовы детальнее ознакомиться с ее возможностями, чтобы оценить потенциал внедрения при создании в будущем сетей 5G. В России пока нет сетей пятого поколения. Для того чтобы разработку могли внедрять вендоры оборудования для сетей 5G и учитывать производители мобильных абонентских устройств, она должна быть прописана в международных технических спецификациях 5G, которыми занимается организация 3GPP (3rd Generation Partnership Project). Это международный консорциум, объединяющий организации по стандартизации связи из разных стран. Он также разрабатывает единые технические спецификации для мобильных сетей – от 3G до 5G и будущего 6G. Потенциально характеристики URLLC имеют значение при создании частных сетей 5G (private 5G) на критически важных объектах.

Директор департамента дизайна и автоматизации сети радиодоступа МТС Владимир Большаков отметил, что существующие системы адаптации в перспективных сетях сотовой связи можно разделить на три типа. Первый – классический OLLA. Это метод с фиксированным, задаваемым вручную асимметричным шагом коррекции. В отличие от разработки МФТИ здесь шаг не обучается нейросетью.

Второй – эвристики со скользящим окном. Это набор практических правил, которые отслеживают изменения канала связи, анализируя не все прошлые данные, а только последние измерения в рамках «окна». По мере поступления новых данных окно сдвигается, отбрасывая старые значения и добавляя свежие.

Третий – нейросетевые подходы, которые обучаются на симметричной функции потерь. Они одинаково штрафуют любую ошибку прогноза – как завышение, так и занижение оценки качества канала.

ALPACA, отмечает Большаков, впервые закладывает асимметрию штрафа за ошибку прямо в функцию потерь при обучении сети – модель сама учится определять необходимый уровень перестраховки в конкретном сценарии. По его словам, это принципиально более гибкий инструмент, чем статичные эвристики, особенно в условиях быстрой мобильности.

При этом Большаков отметил, что, хотя модель легкая и способна работать в реальном времени, ее обучение и адаптация под конкретную сеть требуют вычислительных мощностей и GPU (Graphics Processing Unit – специализированный чип, изначально созданный для обработки графики и рендеринга изображений, но оказавшийся чрезвычайно эффективным для параллельных вычислений, включая обучение нейросетей), а также развития ИИ-компетенций у отечественных производителей чипов для внедрения в оборудование базовых станций. Реалистичный горизонт коммерческого внедрения в российских сетях – ближе к 2029– 2030 гг. Главный барьер в России, считает он, – суверенитет «железа» вокруг этого алгоритма: в стране недостаточно фабрик, способных производить современные чипы по нужным техпроцессам. По его мнению, ресурсов на продвинутые ИИ-надстройки поверх базовой 5G-функциональности будет немного. Ускорить внедрение может появление зрелого продукта в рамках разработки базовых станций 4G/5G по дорожной карте до 2030 г. (государственный план по созданию в России отечественного телекомоборудования «Современные и перспективные сети мобильной связи») и накопленный опыт оптимизации легких нейросетей в условиях аппаратных ограничений, считает представитель МТС.

В «Билайне» заявили, что для B2B-проектов надежность сети – один из значимых приоритетов. В компании считают, что внедрение ИИ-функций в базовый функционал частных сетей для промышленных предприятий позволит повысить их эффективность.

В «Мегафоне» подчеркнули, что для корпоративных заказчиков надежность связи – это конкретные параметры в договоре, которые оператор обязан обеспечивать независимо от нагрузки на сеть. Более точное прогнозирование состояния радиоканала может снизить объем ресурса, резервируемого «с запасом». Однако заявленный эффект, включая экономию ресурсов канала до 40%, необходимо проверять в реальных условиях – в сети с живым трафиком. Главный барьер для внедрения подобных разработок, продолжает представитель «Мегафона», заключается в том, что решения о режиме передачи принимаются внутри планировщика базовой станции, доступ к которому контролирует вендор. «ALPACA хоть и перспективный алгоритм, но его нельзя просто встроить в действующую сеть», – заключил представитель «Мегафона».