Koneoppimisalgoritmit energiatehokkaaseen ja QoS-tietoiseen viestintään heterogeenisissä 6G mmWave/sub-THz verkoissa

Koneoppimisalgoritmit energiatehokkaaseen ja QoS-tietoiseen viestintään heterogeenisissä 6G mmWave/sub-THz verkoissa

Rahoitetun hankkeen kuvaus

Millimetriaalto (mmWave, 28-100 GHz) kaistan 5G New Radio -teknologian käyttöönottoa haittaavat erittäin epäluotettava yhteys ja huono energiatehokkuus, mikä rikkoo vakavasti IMT-2020:n vaatimuksia. Vaikka 5G-järjestelmiä ei ole vielä täysin otettu käyttöön, 3GPP aloittaa jo ali-THz:n kaistalla (100-300 GHz) toimivien 6G-järjestelmien standardoinnin, joihin kohdistuu samanlaisia ??vaikutuksia. EFFICIENTissä kehitämme malleja, menetelmiä ja käytännön algoritmeja, jotka parantavat samanaikaisesti energiatehokkuutta ja käyttäjien suorituskykyä radioliityntätasolla mmWave- ja Sub-Thz-taajuuskaistoilla toimivissa 5G/6G-verkoissa. Projektin onnistunut loppuun saattaminen nopeuttaa mmWave 5G NR -järjestelmien käyttöönottoa sekä tulevien mmWave/sub-THz 6G -järjestelmien standardointia sekä parantaa käyttäjälaitteiden kestävyyttä, energiatehokkuutta ja kierrätettävyyttä pidentämällä akun käyttöikää.
Näytä enemmän

Aloitusvuosi

2023

Päättymisvuosi

2025

Myönnetty rahoitus

Jari Nurmi Orcid -palvelun logo
323 242 €

Evgeny Andreevich Kucheryavy Orcid -palvelun logo
323 242 €

Rooli Suomen Akatemian konsortiossa

Johtaja

Rahoittaja

Suomen Akatemia

Rahoitusmuoto

Suunnattu akatemiahanke

Muut tiedot

Rahoituspäätöksen numero

353126

Tieteenalat

Sähkö-, automaatio- ja tietoliikennetekniikka, elektroniikka

Tutkimusalat

Tietoliikennetekniikka
Koneoppimisalgoritmit energiatehokkaaseen ja QoS-tietoiseen viestintään heterogeenisissä 6G mmWave/sub-THz verkoissa - Tiedejatutkimus.fi