விஸ்கான்சின்-மாடிசன் பல்கலைக்கழக ஆராய்ச்சியாளர்கள், AI உதவியுடன் வயர்லெஸ் சிக்னல் பிராசசிங்கில் பல ஆண்டுகளாக நீடித்த ஒரு சிக்கலுக்கு தீர்வு கண்டுள்ளனர். இது MIMO தொழில்நுட்பத்தின் செயல்திறனை மேம்படுத்தும் ஒரு முக்கிய ஆய்வு.
25 வருட சிக்கலுக்கு AI சொன்ன வழி!
விஸ்கான்சின்-மாடிசன் பல்கலைக்கழகத்தின் பேராசிரியர் திமித்ரிஸ் பாப்பைலியோபவுலோஸ் தலைமையிலான குழு, செயற்கை நுண்ணறிவைப் (AI) பயன்படுத்தி, வயர்லெஸ் தகவல்தொடர்பு அமைப்புகளில் 25 ஆண்டுகளாக நீடித்திருந்த ஒரு பெரிய சிக்கலுக்குத் தீர்வு கண்டுள்ளது. இந்த ஆய்வு, நவீன செல்போன் நெட்வொர்க்குகளில் முக்கியமாகப் பயன்படுத்தப்படும் மல்டிபிள்-இன்புட் மல்டிபிள்-அவுட்புட் (MIMO) தொழில்நுட்பத்தில் கவனம் செலுத்தியது.
MIMO-வில் உள்ள சவால் என்ன?
MIMO தொழில்நுட்பம், டேட்டாவை அனுப்பவும் பெறவும் பல ஆண்டெனாக்களைப் பயன்படுத்துகிறது. இதன் முக்கிய சவால் என்னவென்றால், சத்தமான சிக்னல்களில் இருந்து டேட்டாவை மிகத் துல்லியமாக மீட்டெடுப்பது. இதைச் செய்ய, 'மேக்சிமம்-லைக்லிஹுட் டிடெக்ஷன்' (Maximum-Likelihood Detection) என்ற முறை பயன்படுத்தப்படுகிறது. ஆனால், டேட்டா பரிமாற்றம் அதிகரிக்கும்போது, சாத்தியமான செய்திகளின் எண்ணிக்கையும் பன்மடங்கு அதிகரித்து, கணக்கீட்டுத் திறனுக்கு அப்பாற்பட்டு சிக்கலாகிவிடும். இதனால், அதிவேக தகவல்தொடர்புக்கு இது சாத்தியமற்றதாக இருந்தது.
AI எப்படி உதவியது?
இந்தச் சிக்கலைத் தீர்க்க, ஆராய்ச்சி குழுவினர் AI கருவிகளான GPT-5.6 மற்றும் Claude Fable 5 ஆகியவற்றைப் பயன்படுத்தினர். புதிய, வேகமான மற்றும் திறமையான வழிமுறைகளை உருவாக்கி, சோதித்து, மேம்படுத்த இந்த AI கருவிகள் உதவின. இதன் மூலம், சிக்னலின் தரம் குறிப்பிட்ட அளவுக்குள் இருக்கும்பட்சத்தில், டேட்டாவை மிகத் துல்லியமாக மீட்டெடுக்கும் ஒரு அல்காரிதத்தை உருவாக்கியுள்ளனர். இது, டேட்டாவின் அளவு அதிகரிக்கும்போது கணக்கீட்டுச் சுமை பன்மடங்கு அதிகரிப்பதைத் தவிர்க்கும்.
இது வணிகரீதியான தயாரிப்பா?
முக்கியமாக கவனிக்க வேண்டியது என்னவென்றால், இது ஒரு கல்விசார் ஆராய்ச்சி மைல்கல் மட்டுமே. இது ஒரு வணிகரீதியான தயாரிப்பு அல்ல. எதிர்கால தொலைத்தொடர்பு உள்கட்டமைப்பில் இது தாக்கத்தை ஏற்படுத்தினாலும், இதை நிஜ உலகில் பயன்படுத்தும் வகையில் ஹார்டுவேர்களில் கொண்டுவர விரிவான சோதனை, ஒருங்கிணைப்பு மற்றும் சரிபார்ப்பு தேவை.
மேலும், AI-யால் உருவாக்கப்பட்ட தீர்வுகளுக்கு மனித மேற்பார்வை அவசியம் என்பதையும் இந்த ஆய்வு எடுத்துக்காட்டுகிறது. AI மாதிரிகள் உருவாக்கிய தீர்வுகளை சரிபார்க்கவும், மேம்படுத்தவும் குழுவினர் பல நாட்கள் செலவிட்டனர்.
எதிர்கால தாக்கம்
தொலைத்தொடர்பு துறையில் உள்ளவர்கள், இதுபோன்ற தொழில்நுட்ப முன்னேற்றங்களை உன்னிப்பாகக் கவனிப்பார்கள். நெட்வொர்க் ஆபரேட்டர்கள் மற்றும் உபகரண உற்பத்தியாளர்கள், ஸ்பெக்ட்ரல் எஃபிஷியன்சியை (Spectral Efficiency) மேம்படுத்த வழிகளைத் தேடுகின்றனர். இந்தத் தொழில்நுட்பம் எதிர்காலத்தில் ஹார்டுவேரில் செயல்படுத்தப்பட்டால், அது நெட்வொர்க் உள்கட்டமைப்பு வடிவமைப்பில் பெரிய மாற்றங்களைக் கொண்டு வரக்கூடும். தற்போது, இதன் தாக்கம் கணினி அறிவியல் மற்றும் சிக்னல் பிராசசிங் ஆராய்ச்சிக்குள்ளேயே உள்ளது. அடுத்த கட்டமாக, இந்த அல்காரிதத்தை ஏற்கனவே உள்ள வயர்லெஸ் ஹார்டுவேர் அமைப்புகளுக்கு எப்படி மாற்றியமைப்பது என்பது குறித்த ஆய்வுகள் தொடரும்.