Telekomünikasyon endüstrisi 5G'nin ötesine geçerek (B5G) 6G çağını başlatacak teknolojilere hazırlanırken, Açık Radyo Erişim Ağı (Open RAN) daha akıllı ve daha esnek kablosuz iletişimlerin sağlanmasında kritik bir rol oynamaya hazırlanıyor. Geleneksel RAN sistemlerinin katı, tedarikçiye bağlı mimarilerinden uzaklaşan Open RAN, modülerliği benimser ve farklı tedarikçilerin çeşitli donanım ve yazılım bileşenlerinin standartlaştırılmış açık arayüzler aracılığıyla sorunsuz bir şekilde çalışmasını sağlar. Bu açık, bulut tabanlı mimari, yeniliği hızlandırmakla kalmaz, aynı zamanda yeni nesil bağlantı taleplerini karşılayabilecek çevik, yapay zeka odaklı ağların temelini de oluşturur.
O-RAN ALLIANCE'ın Open RAN uygulaması, operatörlerin farklı tedarikçilerin çözümlerini bir araya getirmelerine olanak tanıyarak esneklik sağlar ve ayrıştırılmış, sanallaştırılmış altyapı sayesinde maliyetleri düşürür. Açık arayüzleri, yapay zeka (AI) ve makine öğrenimi (ML) ile gerçek zamanlı ağ optimizasyonu için inovasyonu hızlandırır ve otomasyonu destekler.
Ancak, ağlar B5G ve 6G'ye doğru gelişirken, Open RAN artan karmaşıklığı yönetmek zorundadır:
- Büyük hacimli temel performans göstergeleri (KPI): RAN genelinde binlerce parametre ve olay olduğundan, sorunları manuel olarak tespit etmek ölçeklenebilir değildir.
- Dinamik topolojiler: Sanallaştırılmış ve çok satıcılı ağlar, tutarsızlıklar ve yapılandırma uyuşmazlıkları yaratır.
- Gerçek zamanlı kısıtlamalar: Hizmet kalitesinin düşmesini önlemek için fiziksel hücre kimliği (PCI) çakışmaları gibi anormallikleri hızlı bir şekilde tespit etmek ve bunlara yanıt vermek gerekir.
- Birlikte çalışabilirlik riskleri: Open RAN'ın esnekliği, izlenmesi zor olan ince yapılandırma hataları veya arızaların olasılığını da artırır.
Bu karmaşık zorluklar, ağ davranışlarını belirlemek ve gerçek dünyadaki sorunlara dönüşmeden önce anomalileri tespit etmek için araştırma aşamasında kapsamlı bir şekilde incelenmelidir. Keysight'ın uygulama notundaki An O-RAN Digital Twin to train AI / ML in Anomaly Detection başlıklı makalesi, AI ve ML'nin bu görev için nasıl güçlü araçlar sunduğunu ele almaktadır, çünkü bunlar büyük hacimli ağ verilerinden öğrenerek gizli kalıpları ortaya çıkarabilir, karmaşık bağımlılıkları modelleyebilir ve geleneksel kural tabanlı yaklaşımların gözden kaçırabileceği anomalileri tespit edebilir.
RIC nedir?
AI destekli Open RAN'ın merkezinde, RAN'ı izlemek ve optimize etmek için AI / ML kullanımını sağlayan bir yazılım platformu olan RAN Akıllı Denetleyici (RIC) bulunur.
İki tür RIC vardır:
- Neredeyse gerçek zamanlı RIC: xApps kullanarak bir saniyeden kısa sürede kontrol işlevlerini (ör. devirler, güç kontrolü) yürütür.
- Gerçek zamanlı olmayan RIC: rApps aracılığıyla anomali tespiti, politika güncellemeleri ve model eğitimi gibi daha uzun vadeli stratejileri destekler.
Anormallikleri Algılama
Open RAN'da en umut verici AI / ML kullanım örneklerinden biri, otomatik kodlayıcılar gibi modellerin etiketli verilere ihtiyaç duymadan ağ davranışındaki olağandışı kalıpları tanımayı öğrendiği, denetimsiz anormallik algılamadır.
RAN'ı taklit eden Dijital Twin gibi bir RIC test çözümü, bu AI modellerinin geliştirilmesinde hayati bir rol oynar. Şu özellikleri sağlar:
- Kontrollü KPI akışları: Sentetik ancak gerçekçi trafik oluşturarak, modeli çok çeşitli normal ve anormal koşullara maruz bırakır.
- Tekrarlanabilir hata enjeksiyonu: Mühendisler, örneğin PCI çakışmalarını veya komşu yapılandırma hatalarını kontrollü bir şekilde simüle edebilir.
- Veri etiketleme temel gerçeği: Denetimsiz ortamlarda bile, anomalilerin ne zaman ve nerede enjekte edildiğini bilmek model değerlendirmesine olanak tanır.
- Model training pipeline: Otomatik kodlayıcılar, ağ KPI'larını sıkıştırmak ve yeniden oluşturmak için eğitilir. Yeniden oluşturma hatası arttığında, model bir anomaliyi işaretler.
E2, A1 ve O1 gibi standart Açık RAN arayüzleri, RIC'yi test etmek ve optimize etmek için kullanılan AI / ML modellerinin gerçekçi, uçtan uca eğitimi ve doğrulanmasında kritik bir rol oynar:
Geleceğe Yönelik Yol Haritası
Keysight'ın “An O-RAN Digital Twin to Train AI/ML in Anomaly Detection” başlıklı makalesinde tartışıldığı gibi, dijital twin otomatik kodlayıcı tabanlı AI/ML ile birleştirmek, ölçeklenebilir, gerçek dünyaya hazır anomali algılama boru hatları sağlar. Bu, araştırmacıların ve mühendislerin geleneksel kural tabanlı sistemlerin ötesine geçmelerine ve gelecekteki 6G otonom ağlar için gerekli olan uyarlanabilir, akıllı RAN'lar oluşturmalarına olanak tanır.
O-RAN, AI / ML'nin gelişmesi için gereken esnekliği ve açıklığı sağlar. RIC testi ve dijital twin gibi araçlar, gelecekteki ağların sağlam ve kendi kendini optimize eden yapısını korumasını sağlayan güvenilir ve verimli anomali tespiti için temel oluşturur.
Anomali tespiti, Open RAN dijital twin’nin gelecekteki 6G ağları için AI/ML algoritmalarını eğitmek için nasıl kullanılabileceğinin ortaya çıkan örneklerinden sadece biridir. Bu tür dijital ikizler, enerji ve spektrum paylaşımı, radyo kaynak yönetimi ve planlama, ağ optimizasyonu gibi diğer alanlara uygulanabilir AI/ML algoritmalarını eğitmede açıkça daha geniş bir kapsama sahip olabilir. Dijital ikizler ve bunların AI/ML algoritmalarının AI/ML eğitimi, testi, doğrulaması ve karşılaştırmalı değerlendirmesinde kullanımı, 6G'nin gerçekleştirilmesinde temel bir dayanak noktasıdır.
