AI를 사용한 6G
무선 통신은 응용 분야가 광범위하기 때문에 인공 지능과 머신러닝이 6G 통신 네트워크에서 중요한 부분이 될 것으로 예상됩니다. 아래 링크로 제공된 예제를 이용하여 다음과 같은 작업을 수행할 수 있습니다.
기존의 채널 추정, 이퀄라이제이션, 심볼 복조를 AI 네이티브 무선 인터페이스(AI-AI)로 대체합니다.
훈련된 PyTorch® 신경망을 MATLAB® 기반 데이터 생성 기술과 통합하여 AI-AI를 시뮬레이션한다.
오토인코더 신경망을 사용하여 채널 상태 정보를 압축합니다.
AI를 사용하여 산업 환경에서 사용자 단말의 위치를 추정합니다.
추천 예제
AI-Native Fully Convolutional Receiver
Use a convolutional neural network to replace conventional channel estimation, equalization, and symbol demodulation.
Verify Performance of 6G AI-Native Receiver Using MATLAB and PyTorch Coexecution
Integrate a trained PyTorch network with MATLAB-based data generation to simulate an AI-native air interface.
Train Autoencoders for CSI Feedback Compression
Compress CSI feedback using an autoencoder neural network in a 5G NR communications system.
AI for Positioning Accuracy Enhancement
Use AI to estimate the position of user equipment and compare performance with traditional TDoA techniques.
