Leveraging AI/ML for Adaptive Resource Management in Open RAN Architecture: Enabling URLLC in Post-5G Networks

• Grant number: 25/00263-9
• Support Opportunities: Scholarships in Brazil - Post-Doctoral
• Start date: June 01, 2025
• End date: May 31, 2027
• Field of knowledge: Physical Sciences and Mathematics - Computer Science - Computer Systems
• Principal Investigator: Fabio Luciano Verdi
• Grantee: Rohi Tariq
• Host Institution: Centro de Ciências em Gestão e Tecnologia (CCGT). Universidade Federal de São Carlos (UFSCAR). Campus de Sorocaba. Sorocaba , SP, Brazil
• Company: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação (FEEC)
• Associated research grant: 21/00199-8 - SMART NEtworks and ServiceS for 2030 (SMARTNESS), AP.PCPE

Abstract

As redes móveis de quinta geração (5G) foram projetadas para suportar diversos casos de uso, incluindo banda larga móvel aprimorada (eMBB), comunicações massivas de máquinas (mMTC) e comunicações ultra-confiáveis e de baixa latência (URLLC). No entanto, a maioria das redes comerciais 5G tem se concentrado principalmente em eMBB, enfatizando taxas de dados mais altas. À medida que a pesquisa em redes móveis evolui para além do 5G, a ênfase se desloca para a habilitação de URLLC para suportar aplicações de missão crítica, como veículos autônomos, automação industrial e realidade estendida.Neste contexto, o network slicing (fatiamento de rede) é um paradigma chave, permitindo que múltiplas redes virtuais operem simultaneamente sobre uma infraestrutura física compartilhada. Embora isso facilite aplicações diversas, a infraestrutura física subjacente continua sendo complexa por natureza, envolvendo topologias heterogêneas, componentes desagregados, ambientes de múltiplos fornecedores e funcionalidades baseadas em nuvem.A arquitetura Open RAN, promovida pela O-RAN Alliance, oferece um framework aberto, interoperável, virtualizado e inteligente para lidar com tais complexidades. Ela aproveita interfaces abertas, Controladores Inteligentes de RAN (Non-RT RIC e near-RT RIC) e o framework de Gerenciamento e Orquestração de Serviços (SMO) para aprimorar a flexibilidade e escalabilidade. No entanto, integrar aplicações URLLC na Open RAN, juntamente com outros casos de uso, apresenta desafios como tomada de decisões em tempo real, previsões de alta precisão e processamento de grandes volumes de dados.A Inteligência Artificial (IA) e o Aprendizado de Máquina fornecem soluções transformadoras ao possibilitar o gerenciamento adaptativo de recursos em tempo real, a otimização dinâmica de slices de rede e o manuseio eficiente de grandes volumes de dados. Este plano de trabalho foca na aplicação de IA/ML para otimizar arquiteturas Open RAN para redes além do 5G, habilitando aplicações URLLC. A metodologia envolve a transição de simulações em MATLAB e NS-3 para implementações reais usando ferramentas de código aberto como OpenAirInterface (OAI) e srsRAN, com o objetivo final de desenvolver ambientes de teste e demonstrações em hardware. (AU)