Математики РУДН предложили простую модель 5G-сети для VR приложений
Технологии 5G разработаны, чтобы поддерживать приложения, которым необходимы высокие скорости. Для этого применяются разные техники, в том числе — мультивещание. Это схема маршрутизации, при которой станция посылает сетевой пакет не одному пользователю (однонаправленная передача) и не всем сразу (широковещание), а выделенной группе пользователей. Однако использование мультивещания может негативно влиять на работу сети при сочетании с однонаправленной схемой. Математики РУДН предложили модель на примере приложений виртуальной реальности, в которой совмещены два эти режима. Она позволяет оценить, сколько нужно базовых станций для заданного качества сети. Алгоритм работает не хуже альтернативных вариантов, при этом более прост.
«Большинство исследований многоуровневых мультивещательных/однонаправленных сервисов сосредоточены на оптимизации уже заданной схемы развертывания сети для заданных условий трафика. Однако для сетевых операторов не менее важно оценить, какая требуется плотность базовых станций для заданной нагрузки трафика в данной области. Мы предложили простую модель для подготовки многоуровневого сервиса виртуальной реальности в миллиметровых сетях», — кандидат физико-математических наук Дарья Острикова, заместитель директора Института прикладной математики и телекоммуникаций РУДН.
Математики предложили модель, в которой расположены несколько базовых станций. На каждой из них есть по три антенны, покрывающие по 120°. Пользователи VR-устройств перемещаются вокруг станций случайным образом по модели пуассоновского процесса, иногда блокируя друг другу линию прямой связи с базовой станцией. Сеть в предложенной модели действует на двух уровнях. На базовом уровне используется мультивещание, а для повышения качества связи — «точечная» одноадресная доставка. Математики РУДН рассчитали параметры такой системы и предложили алгоритм группировки пользователей для мультивещания и расчета плотности базовых станций.
Группы пользователей для мультивещания создаются исходя из максимального угла, на котором сигнал передастся в половину мощности на данном расстоянии от станции. Все пользователи, которые попадают в заданный таким образом сектор, становятся частью одной группы. Сектора, в которые не попало ни одного пользователя, считаются неактивными. Расчет оптимального числа базовых станций построен по итерационному принципу — на новом шаге добавляется больше станций до тех пор, пока вероятность потери сигнала не достигнет требуемого минимума. В численном эксперименте новый алгоритм оказался не менее эффективным, чем другие схемы, но при этом значительно проще.
«Наши численные результаты показывают, что предлагаемая схема группировки, в которой можно явно рассчитать количество групп и их конфигураций, выдает производительность, аналогичную другим итерационным алгоритмам. Наша работа предоставляет простой и эффективный алгоритм для оценки плотности базовых станций, необходимой для поддержки заданной плотности многослойных VR-устройств с заданными гарантиями качества обслуживания», — кандидат физико-математических наук Дарья Острикова, заместитель директора Института прикладной математики и телекоммуникаций РУДН.
Результаты опубликованы в журнале Future Internet.
matematika_ostrikova_multiveshchaniya_illyustr_2021-10-14.png
Представьте себе мир, где у каждого есть достаточно еды, чистая вода, доступ к образованию и достойная работа. Мир, где берегут природу и заботятся о будущем нашей планеты. Это и есть цели устойчивого развития — построить устойчивое будущее для всех! Для этого Организация Объединенных Наций (ООН) в 2015 году определила 17 Целей устойчивого развития (ЦУР). ЦУР — это глобальный план, который помогает странам и людям вместе двигаться к лучшему будущему. К нему присоединились 193 государства-члена ООН.
Исследователи факультета искусственного интеллекта РУДН провели масштабное исследование, которое раскрыло системные ошибки больших языковых моделей (LLM) при диагностике депрессии по тексту. Эта работа, выполненная совместно с коллегами из AIRI, ФИЦ ИУ РАН, ИСП РАН, МФТИ и MBZUAI, не только выявляет проблему, но и закладывает основу для создания более надёжных и безопасных инструментов для детектирования депрессии и тревожности.
В РУДН состоялась первая научно-практическая конференция «Функциональная морфология тканевого микроокружения: от теории к практике», посвящённая памяти академика РАН Михаила Пальцева. Она объединила ведущих исследователей из России, Китая и других стран, став важной площадкой для обсуждения трансляции фундаментальных открытий в персонализированную медицину.