Τα δίκτυα ασύρματης επικοινωνίας των επόμενων γενεών (5G, 6G) πρόκειται να καλύψουν τις διαφορετικές απαιτήσεις υπηρεσιών σε πολλούς τομείς της ανθρώπινης καθημερινής ζωής, στην εργασία, τις μεταφορές, τον ελεύθερο χρόνο, το σπίτι. Ο σχεδιασμός και η βελτιστοποίηση αυτών των δικτύων καθίσταται πολύ δύσκολη λόγω των υψηλών απαιτήσεων απόδοσης, εμπειρίας χρήστη, απόδοσης και πολυπλοκότητας δικτύου [1]. Το μελλοντικό δίκτυο 5G θα απαιτήσει ισχυρούς ευφυείς αλγόριθμους για την προσαρμογή των πρωτοκόλλων δικτύου και της διαχείρισης πόρων για διαφορετικές υπηρεσίες σε διαφορετικά σενάρια. Η τεχνητή νοημοσύνη (AI), η οποία ορίζεται ως οποιαδήποτε διαδικασία ή συσκευή που αντιλαμβάνεται το περιβάλλον της και προβαίνει σε ενέργειες που μεγιστοποιούν τις πιθανότητες επιτυχίας για κάποιο προκαθορισμένο στόχο, είναι μια εφικτή λύση για τον αναδυόμενο σχεδιασμό σύνθετου συστήματος επικοινωνίας. Οι πρόσφατες εξελίξεις στη βαθιά μάθηση, τα συνελικτικά νευρωνικά δίκτυα και την ενισχυτική μάθηση υπόσχονται σημαντικές υποσχέσεις για την επίλυση πολύ περίπλοκων προβλημάτων που θεωρούνταν δυσεπίλυτα μέχρι τώρα. Είναι πλέον σκόπιμο να εφαρμοστεί η τεχνολογία AI στις ασύρματες επικοινωνίες 5G για την αντιμετώπιση βελτιστοποιημένου σχεδιασμού φυσικών επιπέδων, περίπλοκης λήψης αποφάσεων, διαχείρισης δικτύου και βελτιστοποίησης πόρων σε τέτοια δίκτυα. Η βελτίωση της φασματικής και της ενεργειακής απόδοσης αποτελεί αναγκαιότητα για τις νέες τεχνολογίες επικοινωνίας. Τα ασύρματα δίκτυα έκτης γενιάς (6G) θα καθοδηγούνται από αυτο-αναδιαμόρφωση κατ' απαίτηση προκειμένου να επιτευχθεί πολλαπλάσια αύξηση της απόδοσης του δικτύου και των τύπων υπηρεσιών [2]. Συγγραφέας Gao et. Ο Al [3] αναφέρει ότι η υψηλή ταχύτητα και η μεγάλη χωρητικότητα της τεχνολογίας 5G μπορούν να επιτευχθούν με την τεχνολογία Massive MIMO που απαιτεί εργαλεία νοημοσύνης. Η υψηλή ζήτηση ασύρματης κίνησης δεδομένων δημιουργεί γρήγορα αυξανόμενες τεχνικές απαιτήσεις. Προκειμένου να αντιμετωπίσουμε αυτές τις επερχόμενες προκλήσεις, η ασύρματη επικοινωνία 6G αναμένεται να έχει υψηλά τεχνικά πρότυπα όσον αφορά τις τεχνικές μετάδοσης φάσματος και ενεργειακής απόδοσης [4]. Επίσης η βιβλιογραφία [5-7] αποκαλύπτει ότι, προκειμένου να διασφαλιστούν υψηλές απαιτήσεις νέων ασύρματων τεχνολογιών, η τεχνητή νοημοσύνη είναι απαραίτητη, για την αποτελεσματική διαχείριση υψηλών ρυθμών δεδομένων, υψηλή αξιοπιστία και χαμηλή καθυστέρηση.
Αυτή η έρευνα στοχεύει να βελτιώσει μέσω της Τεχνητής Νοημοσύνης (AI) παραμέτρους RF όπως το εύρος ζώνης των καναλιών μετάδοσης, η ευαισθησία των κεραιών και η παρακολούθηση του φάσματος, προκειμένου να ανταποκριθούν σε υψηλές απαιτήσεις σε νέες τεχνολογίες επικοινωνίας.
Σύμφωνα με τον παραπάνω ερευνητικό στόχο, οι βασικοί στόχοι της τεχνητής νοημοσύνης αυτής της έρευνας θα μπορούσαν να περιλαμβάνουν α) σχεδιασμό προσεγγίσεων νευρωνικών δικτύων βαθιάς μάθησης και συνελικτικού δικτύου για εφαρμογές και υπηρεσίες ασύρματου συστήματος, β) σχεδιασμό αλγορίθμων μηχανικής μάθησης και αναγνώρισης προτύπων για τεχνολογίες ασύρματων επικοινωνιών, γ. ) εφαρμογές της τεχνητής νοημοσύνης για τη βελτιστοποίηση συστημάτων ασύρματης επικοινωνίας, συμπεριλαμβανομένων μοντέλων καναλιών, εκτίμησης κατάστασης καναλιού, διαμόρφωσης δέσμης, επεξεργασίας σήματος.
