人工智能和机器学习如何推动可持续的5G

工业AI, ML, 5G洞察

• 5G基础设施将出现爆炸式增长，但它需要是可持续的，这样收益才不会被成本抵消。
• 5G连接可以节省超过2.5亿吨二氧化碳₂到2030年，全球范围内的排放将会增加，因为电网将促使更多的用户使用化石燃料替代品。人工智能和机器学习正在发挥作用。

---

对于希望实现净零和实现气候目标的组织来说，互联互通将是关键。然而，随着数据使用量的爆炸式增长，特别是随着消费者和企业5G网络的发展，未来所依赖的基础设施的可持续建设至关重要，而且它带来的好处不会被其碳成本所抵消。

今天，电信(电信)行业占全球二氧化碳(CO)的3%到4%₂)排放，是民航排放的两倍。这只是冰山一角，全球数据流量预计每年将增长60%，因此有必要采取紧急干预措施，以确保供应链、运营和最后一英里交付的环境成本不会失控。在极端情况下，能源需求正在飙升。例如，绿色和平组织发现，5G是中国电力需求大幅增长(预计到2050年将增长289%)以及下一代互联网络年耗电量的主要驱动因素之一到2035年会膨胀488%吗．5G的高能耗让计划利用其功能的行业感到担忧。

一个凯捷研究所2021年的报告关于5G工业革命的报告评估了1000家使用5G的组织。研究人员发现，略超过一半(51%)的人担心5G对环境的不利影响，67%的人表示，他们会在制定5G战略时考虑运营商、供应商和供应商的可持续性。

为5G优化能源

虽然存在环境问题，但5G的设计使可持续地改造行业成为可能。根据来自英国移动的最新报告在美国，5G连接可以节省超过2.5亿吨的CO₂由于电网将加速向风能和太阳能等化石燃料替代品的转变，到2030年，全球将出现排放。

国际电信联盟(ITU)已经认识到可持续5G的必要性，发布指导方针降低电信行业的温室气体排放，建议到2060年实现净零排放。美国的一些主要运营商甚至更进一步，承诺到2035年实现碳中和，而一些网络提供商则寻求到2025年将温室气体排放量减少95%。

这些目标并不容易实现。虽然当今市场上有一些能源优化解决方案，但现代供应链中各种变量交织的复杂网络意味着它们不够全面。为了构建可持续的未来网络，该行业将需要采取多管齐下的方法，将硬件创新与软件的最新进展结合起来。

由AI、ML启用的峰值性能网络

对于任何企业来说，无法衡量的东西也无法改善，这意味着数据驱动的运营将是帮助创建和优化更节能的供应链的关键。这些供应链还需要持续的软件优化，以确保网络运行在最佳状态和最环保的状态。

运营商最信任的工具是人工智能(AI)和机器学习(ML)驱动的解决方案，部分原因是，与电池和冷却系统等基于硬件的选项不同，AI具有可扩展性、成本效益，并提供良好的投资回报。事实上,GSMA情报报告显示，绝大多数运营商(83%)将能源效率视为其未来网络转型战略的关键;78%的人认为人工智能驱动的解决方案对这些战略也至关重要。

然而，到目前为止，AI和ml驱动的方法主要集中在无线电接入网(RANs)的优化上，RANs是将终端用户设备连接到网络的连接点。虽然RAN优化是重点关注的一个重要领域，但它只是一个开始。只有端到端的能源管理才能实现未来网络需求所需的效率或可持续性收益。

让AI走得更远，闭环自动化

电信行业正在合作开发一种智能网络产品，通过人工智能和机器学习推动5G的可持续性，目标是建立一个覆盖整个网络部署的可持续生态系统，这是一种利用闭环自动化降低5G核心网络能耗的整体方法。

题为“项目玻色“这种方法汇集了电信、数据科学和环境科学的前沿进展，从5G开始开发更可持续的网络，而不牺牲体验质量。

Bose项目的基础是一个具有5G网络数据分析功能(NWDAF)的人工智能框架，旨在为整个5G网络基础设施提供全面的见解。它将推动和设计整个生态系统的用例，从服务保证到负载平衡和数据货币化。为了实现这一目标，Bose项目从用户设备移动性管理中获得分析见解，以及从3^{理查德·道金斯}世代伙伴计划(3 gpp)和NWDAF。

5G网络的五大节能支柱

5G网络有五个关键的节能支柱，它们都是该项目的基础，也将是电信减排的核心。虽然仍处于测试阶段，但运营商可以通过将软件应用于以下原则来节省成本:

1. 在RAN和连接的设备中，可以通过优化分页决策和简化分页请求负载来实现节能。而不是广泛广播寻呼请求和浪费能源，定向UE寻呼使用移动性分析信息来预测用户位置，并向需求最有可能的方向发送请求。

2. 通过优化物联网(IoT)设备可以实现节能。物联网设备可能多达144亿台仅在2022年一些预测显示，这种情况可能会结束到2050年达到1000亿．相当数量的这些设备将是低能耗设备，只需要发送少量数据，例如，一个智能废物容器，只有在它们几乎满了的时候才会提醒废物处理组织。由于不需要持续的数据传输，这类设备将受益于仅移动启动连接(MICO)模式——其中参数由移动分析信息设置，它们只在需要时连接到网络。

3. 在服务器端，负载预测信息可以馈送到具有能源意识的网络功能布置系统中，允许协调器优化承载工作负载的服务器的能源消耗。

4. 在用户平面功能层，基于网络功能负荷预测数据的智能负载均衡有助于降低能耗，提高终端用户的体验质量。

5. CPU调优可以通过调整核心频率以适应给定的负载来节省电力，而未使用的核心可以在空闲时处于睡眠状态。

NWDAF框架背后的五个能源杠杆共同帮助削减网络各层的能源使用。基于实验室测试，该系统取得了显著的成功——能耗降低了18%，并且在各种部署、交通场景和时间间隔中验证了节能效果。具体来说，节能相当于减少了14%的CO₂排放-但也减少了约12%的运营支出，为那些努力通过软件实现绿色运营的企业节省了诱人的成本。

这些早期的结果是有希望的，但还有更多的工作要做。制造商可以通过利用来自NWDAF框架的与片级质量保证、包处理、内存故障监控和其他分析信息相关的附加指标来进一步加强能源优化。此外，还计划将Bose项目与软件定义的开放无线电接入网(ORAN)和RAN智能控制器(RIC)集成在一起，以最大限度地节省5G网络的能源。

通过加倍关注数据和机器学习，运营商及其合作伙伴可以借此机会构建行业所需的强大网络，为网络的未来提供动力。得益于人工智能和机器学习，运营商可以在节省成本的同时实现气候目标。在当前经济动荡和气候危机的情况下，这一转变不会很快到来。

Subhankar朋友未来网络的全球研究和创新领导者在吗凯捷咨询工程．由网页内容经理克里斯·瓦夫拉编辑，控制工程， CFE媒体与技术，cvavra@cfemedia.com．

更多的答案

关键词:机器学习、人工智能、5G连接

在线

白皮书可用来自凯捷的博斯计划提供有关方法、解决方案和结果的进一步详细信息。

这是控制工程5G无线电源文章．

考虑一下这个

5G如何改善公司内部的沟通?

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。