Il Deep Unfolding guidato dalla fisica potenzia la previsione dei canali AI-RAN

Un team di ricercatori ha introdotto GUIDE, un framework di deep unfolding informato dalla fisica, volto a prevedere i canali cross-band nelle reti di accesso radio native AI (AI-RAN). Questo approccio innovativo supera le tecniche attuali che eccellono in vari ambienti o consentono l'inferenza in tempo reale, ma non entrambe. Integrando la fisica dei canali wireless in layer differenziabili, GUIDE facilita la generalizzazione senza necessità di riaddestramento. Offre un miglioramento del guadagno di beamforming di 2,75x rispetto al benchmark di deep learning FIRE, con un aumento minimo della durata dell'inferenza, e raggiunge un guadagno di 1,39x rispetto allo standard basato su modello R2F2, operando 1610x più velocemente. Questo progresso affronta un ostacolo significativo nell'applicazione pratica della previsione dei canali cross-band per AI-RAN.