Maschinelles Lernen in 5G- und 6G-Netzen: Methoden, Herausforderungen und Chancen

Die fünfte Generation (5G) und die sechste Generation (6G) drahtloser Kommunikation zielen darauf ab, deutlich höhere Datenübertragungsgeschwindigkeiten, bemerkenswert niedrige Latenzzeiten und erhebliche Verbesserungen der Effizienz von Basisstationen zu erreichen. Mit dem raschen Anstieg der Nutzung von Breitbanddaten, bedingt durch Geräte des Internets der Dinge (IoT), intelligente Home-Systeme, autonome Fahrzeuge und virtuelle Realität, werden 5G- und 6G-Netze die Einschränkungen früherer Telekommunikationstechnologien überwinden und als Schlüsseltechnologien für zukünftige IoT-Anwendungen dienen. 5G-Mobilfunknetze, die als primäre Infrastruktur für die Bereitstellung neuer Dienste erwartet werden, stellen neue Anforderungen und Herausforderungen auf, die das Erreichen der gewünschten Ziele erschweren. Dieses Papier gibt einen umfassenden Überblick über Methoden des maschinellen Lernens (ML) und deren Anwendung in 5G- und 6G-drahtlosen Netzwerken, einschließlich überwachten, unüberwachten und verstärkenden Lernansätzen. ML wird eine zentrale und wichtige Rolle in 6G-Systemen für diese drahtlosen Netzwerke spielen. In der Folge untersucht dieses Papier eingehend eine Reihe von Herausforderungen im Bereich der 5G- und 6G-Netze und beleuchtet Forschungsgelegenheiten für die Anwendung von ML-Techniken zur Bewältigung dieser Herausforderungen.