Niente più problemi di traffico per il trasferimento di informazioni: decongestionare i canali wireless

Niente più problemi di traffico per il trasferimento delle informazioni: decongestionare i canali wireless
I ricercatori della Tokyo University of Science e della Keio University propongono che un certo algoritmo di apprendimento automatico può aiutare i dispositivi con risorse limitate su una rete wireless a selezionare i canali ottimali per la trasmissione delle informazioni; questo potrebbe potenzialmente decongestionare enormi reti IoT. Credito: Università delle scienze di Tokyo

L’Internet of Things (IoT) wireless è una rete di dispositivi in ​​cui ogni dispositivo può inviare informazioni direttamente a un altro tramite canali di comunicazione wireless, senza l’intervento umano. Con il numero di dispositivi IoT in aumento ogni giorno, aumenta anche la quantità di informazioni sui canali wireless. Ciò sta causando congestione sulla rete, con conseguente perdita di informazioni a causa di interferenze e mancata consegna delle informazioni. La ricerca per risolvere questo problema di congestione è in corso e la soluzione più ampiamente accettata e applicata è la tecnologia “multicanale”. Con questa tecnologia, la trasmissione delle informazioni è distribuita tra vari canali paralleli in base al traffico in un determinato canale in un dato momento.

Ma, al momento, i canali di trasmissione delle informazioni ottimali vengono selezionati utilizzando algoritmi che non possono essere supportati dalla maggior parte dei dispositivi IoT esistenti perché sono limitati dalle risorse; cioè, hanno una bassa capacità di archiviazione e una bassa potenza di elaborazione e devono essere a risparmio energetico pur rimanendo in funzione per lunghi periodi di tempo.

In un recente studio pubblicato in Scienze applicateun gruppo di scienziati della Tokyo University of Science e della Keio University, in Giappone, propone l’uso di un algoritmo di apprendimento automatico, basato sul modello di tiro alla fune (che è un modello fondamentale, proposto in precedenza dal professor Song-Ju Kim della Keio University, che viene utilizzato per risolvere problemi come quello di come distribuire le informazioni attraverso i canali), per selezionare i canali. “Ci siamo resi conto che questo algoritmo poteva essere applicato ai dispositivi IoT e abbiamo deciso di implementarlo e sperimentarlo”, afferma il professor Mikio Hasegawa, scienziato capo della Tokyo University of Science.

Nel loro studio, hanno costruito un sistema in cui diversi dispositivi IoT erano collegati per formare una rete e ogni dispositivo poteva selezionare solo uno dei numerosi canali disponibili attraverso i quali trasmettere informazioni ogni volta. Inoltre, ogni dispositivo era limitato dalle risorse. Nell’esperimento, i dispositivi avevano il compito di svegliarsi, trasmettere un’informazione, andare a dormire e quindi ripetere il ciclo un certo numero di volte. Il ruolo dell’algoritmo proposto era quello di consentire ai dispositivi di selezionare ogni volta il canale ottimale, in modo tale che alla fine si verificasse il maggior numero possibile di trasmissioni riuscite (cioè, quando tutte le informazioni raggiungono la loro destinazione in un unico pezzo).

L’algoritmo è chiamato apprendimento per rinforzo e svolge il compito come segue: ogni volta che un’informazione viene trasmessa attraverso un canale, rileva la probabilità di ottenere trasmissioni di successo attraverso quel canale, a seconda che l’informazione raggiunga completamente e accuratamente la sua destinazione. Aggiorna questi dati ad ogni trasmissione successiva.

I ricercatori hanno utilizzato questa configurazione per verificare anche a) se l’algoritmo ha avuto successo, b) se era imparziale nella selezione dei canali e c) se poteva adattarsi alle variazioni del traffico in un canale. Per i test è stato costruito un sistema di controllo aggiuntivo in cui a ciascun dispositivo è stato assegnato un canale particolare e non è stato possibile selezionare nessun altro canale durante la trasmissione delle informazioni. Nel primo caso, alcuni canali erano congestionati prima di iniziare l’esperimento e gli scienziati hanno scoperto che il numero di trasmissioni riuscite era maggiore quando veniva utilizzato l’algoritmo, rispetto a quando non lo era. Nel secondo caso, alcuni canali sono diventati congestionati quando l’algoritmo non è stato utilizzato e le informazioni non possono essere trasmesse attraverso di essi dopo un certo periodo di tempo, causando “ingiustizia” nella selezione del canale. Tuttavia, quando gli scienziati hanno utilizzato l’algoritmo, la selezione del canale è risultata equa. I risultati del terzo caso chiariscono quelli dei due casi precedenti: quando è stato utilizzato l’algoritmo, i dispositivi hanno iniziato automaticamente a ignorare un canale congestionato e a riutilizzarlo solo quando il traffico al suo interno è diminuito.

“Abbiamo ottenuto la selezione del canale con una piccola quantità di calcolo e un algoritmo di apprendimento automatico ad alte prestazioni”, ci dice il professor Hasegawa. Sebbene ciò significhi che l’algoritmo ha risolto con successo il problema della selezione del canale in condizioni sperimentali, resta da vedere il suo andamento nel mondo reale. “Gli esperimenti sul campo per testare la robustezza di questo algoritmo saranno condotti in ulteriori ricerche”, affermano gli scienziati. Prevedono inoltre di migliorare l’algoritmo nella ricerca futura prendendo in considerazione altre caratteristiche della rete, come la qualità della trasmissione del canale.

Il mondo si sta rapidamente muovendo verso enormi reti IoT wireless con un numero crescente di dispositivi che si connettono tramite canali wireless a livello globale. Ogni possibile organizzazione o studioso sta cogliendo l’occasione di questo momento nella storia del tempo per risolvere il problema della selezione dei canali e anticipare il gioco. Il Prof Hasegawa e il suo team sono riusciti a fare uno dei primi passi in gara. Il futuro della trasmissione di informazioni wireless ad alta velocità e senza errori potrebbe essere vicino!


Leave a Reply