SAMURAI: núcleo 5G inteligente e integração de múltiplas redes de acesso

• Processo: 20/05127-2
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Vigência: 01 de janeiro de 2022 - 31 de dezembro de 2026
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Convênio/Acordo: MCTI/MC
• Pesquisador responsável: Aldebaro Barreto da Rocha Klautau Junior
• Beneficiário: Aldebaro Barreto da Rocha Klautau Junior
• Instituição Sede: Instituto de Tecnologia. Universidade Federal do Pará (UFPA). Ministério da Educação (Brasil). Belém , SP, Brasil
• Pesquisadores principais: Cristiano Bonato Both ; José Ferreira de Rezende ; Kleber Vieira Cardoso ; Luciano Leonel Mendes
• Pesquisadores associados: Anderson Reis Rufino Marins ; Antonio Carlos de Oliveira Júnior ; Ciro José Almeida Macedo ; Cleverson Veloso Nahum ; Davi da Silva Brilhante ; Elton Vivot Dias ; Felipe Hauschild Grings ; Gabriel Matheus Faria de Almeida ; Gustavo Dias de Oliveira ; Gustavo Zanatta Bruno ; Hudson de Paula Romualdo ; Ilan Sousa Correa ; Joanna Carolina Manjarres Meneses ; Kleber Vieira Cardoso ; Leonardo Lira Ramalho ; Luan Assis Gonçalves ; Lucas Costa Shibata ; Lucio Rene Prade ; Mariana Baracat de Mello ; Pedro Henrique Carneiro de Souza ; Roberto Michio Marques Kagami ; Rogério Sousa e Silva ; SAND LUZ CORREA ; Thiago Guimarães Tavares ; Victor Hugo Lázaro Lopes
• Bolsa(s) vinculada(s): 24/16756-1 - Aprendizado de máquina aplicado ao problema de seleção de feixes em redes mmWave, BP.PD; 24/07088-5 - Monitoramento, orquestração inteligente de redes de acesso sem fio e fatias não-3GPP IoT, implantação, testes e casos de uso, BP.TT; 24/07617-8 - Integração, monitoramento e orquestração inteligente de redes de acesso sem fio não-3GPP IoT com o núcleo 5G, BP.IC; + mais bolsas vinculadas 23/14714-7 - Integração da rede de acesso sem fio não-3GPP IoT com o núcleo 5G, BP.TT; 23/09197-3 - Bolsa IC-REQ-UNISINOS1 [UNISINOS], BP.IC; 22/14431-2 - XAI aplicada a algoritmos para redes 5G de longa distância, BP.PD; 22/14965-7 - Núcleo 5G inteligente e integração de múltiplas redes de acesso, BP.TT; 22/03457-0 - SAMURAI - Smart 5G Core And MUltiRAn Integration: núcleo 5G inteligente e integração de múltiplas redes de acesso, BP.TT - menos bolsas vinculadas
• Assunto(s): Aprendizado computacional Comunicações sem fio Inteligência artificial Internet das coisas Redes de computadores Realidade aumentada
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | comunicacao sem fio | Inteligência Artificial | Internet das Coisas | redes 5G | Redes de Computadores

Resumo

Redes 5G atenderão aos diferentes requisitos de novos serviços e aplicações, tais como IoT, realidade virtual/aumentada, carros autônomos, agricultura e pecuária de precisão. Para lidar com essa diversidade, múltiplos modos de operação, fornecidos por diferentes tecnologias de acesso sem fio, foram definidos. Além disso, as redes 5G estão sendo desenvolvidas sob um intenso processo de softwarização, caracterizado pelo uso de nuvem, virtualização e programabilidade. Esse processo é significativo nas redes de acesso e ainda mais notável no núcleo 5G. Perante os muitos desafios, há diversas questões em aberto, como a integração de tecnologias de redes de acesso IoT não-3GPP a um núcleo 5G. O projeto SAMURAI se propõe assim a pesquisar, implantar e estender sistemas 5G, desenvolvendo o software necessário para demonstrar a integração das tecnologias de acesso sem fio ao núcleo 5G. Adicionalmente, o projeto abordará as questões relacionadas à adoção de Inteligência Artificial/Aprendizado de Máquina (em inglês, AI/ML) como um componente crítico na evolução das redes 5G. Apesar das instituições de padronização estarem avançando na definição de um arcabouço, ainda há várias lacunas para o uso pleno de AI/ML em 5G. Para superar algumas das lacunas mais relevantes, o projeto SAMURAI determinará algoritmos e técnicas de AI/ML adequados para problemas nas redes de acesso e núcleo, como adaptação do enlace às condições do canal, seleção de feixe em ondas milimétricas e posicionamento de funcionalidades, além de avançar o estado-da-arte no processo de coleta e uso de dados. Agregando instituições acadêmicas e a RNP, o projeto viabiliza a avaliação de AI/ML em rede de abrangência nacional, permitindo o desenvolvimento de soluções que possuam comportamento previsível e possam ser efetivamente adotadas em sistemas de produção que alavanquem casos de uso prioritários ao Brasil, como educação viabilizada por redes de longo alcance. (AU)

Publicações científicas

(14)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

DE SOUZA, PEDRO H. C.; MENDES, LUCIANO L.. Low-complexity deep unfolded neural network receiver for MIMO systems based on the probability data association detector. EURASIP JOURNAL ON WIRELESS COMMUNICATIONS AND NETWORKING, v. 2022, n. 1, p. 19-pg., 2022-08-09. (20/05127-2)

PEREIRA, LUIZ A. M.; MENDES, LUCIANO L.; BASTOS-FILHO, CARMELO J. A.; CERQUEIRA S, ARISMAR. Machine Learning-Based Linearization Schemes for Radio Over Fiber Systems. IEEE Photonics Journal, v. 14, n. 6, p. 10-pg., 2022-12-01. (20/05127-2)

DE SOUZA, PEDRO H. C.; MENDES, LUCIANO L.. Lattice Reduction Aided Probability Data Association Detector for MIMO Systems. IEEE COMMUNICATIONS LETTERS, v. 26, n. 10, p. 5-pg., 2022-10-01. (20/05127-2)

MELLO, MARIANA B.; MENDES, LUCIANO L.. Low-Complexity Detection Algorithms Applied to FTN-GFDM Systems. IEEE ACCESS, v. 10, p. 14-pg., 2022-01-01. (20/05127-2)

FRAGA, LUCIANO DE S.; ALMEIDA, GABRIEL MATHEUS; CORREA, SAND; BOTH, CRISTIANO; PINTO, LEIZER; CARDOSO, KLEBER; IEEE. Efficient allocation of disaggregated RAN functions and Multi-access Edge Computing services. 2022 IEEE GLOBAL COMMUNICATIONS CONFERENCE (GLOBECOM 2022), v. N/A, p. 6-pg., 2022-01-01. (20/05127-2)

LOPES, VICTOR HUGO L.; ALMEIDA, GABRIEL MATHEUS; KLAUTAU, ALDEBARO; CARDOSO, KLEBER; IEEE. A Coverage-Aware VNF Placement and Resource Allocation Approach for Disaggregated vRANs. 2022 IEEE GLOBAL COMMUNICATIONS CONFERENCE (GLOBECOM 2022), v. N/A, p. 6-pg., 2022-01-01. (20/05127-2)

MORAIS, FERNANDO ZANFERRARI; ALMEIDA, GABRIEL MATHEUS; PINTO, LEIZER; CARDOSO, KLEBER VIEIRA; CONTRERAS, LUIS M.; RIGHI, RODRIGO DA ROSA; BOTH, CRISTIANO BONATO. PlaceRAN: Optimal Placement of Virtualized Network Functions in Beyond 5G Radio Access Networks. IEEE TRANSACTIONS ON MOBILE COMPUTING, v. 22, n. 9, p. 15-pg., 2023-09-01. (20/05127-2)

GASPAR, DANILO; MENDES, LUCIANO L.; PIMENTA, TALES C.. A review on principles, performance and complexity of linear estimation and detection techniques for MIMO systems. FRONTIERS IN COMMUNICATIONS AND NETWORKS, v. 4, p. 21-pg., 2023-02-28. (20/05127-2)

PEREIRA, LUIZ AUGUSTO MELO; MENDES, LUCIANO LEONEL; BASTOS FILHO, CARMELO JOSE ALBANEZ; SODRE JR, ARISMAR CERQUEIRA. Amplified radio-over-fiber system linearization using recurrent neural networks. JOURNAL OF OPTICAL COMMUNICATIONS AND NETWORKING, v. 15, n. 3, p. 11-pg., 2023-03-01. (20/05127-2)

ALMEIDA, GABRIEL M.; PINTO, LEIZER DE L.; BOTH, CRISTIANO B.; CARDOSO, KLEBER, V. Optimal Joint Functional Split and Network Function Placement in Virtualized RAN With Splittable Flows. IEEE WIRELESS COMMUNICATIONS LETTERS, v. 11, n. 8, p. 5-pg., 2022-08-01. (20/05127-2)

SILVEIRA, LUCAS B. D.; DE RESENDE, HENRIQUE C.; BOTH, CRISTIANO B.; MARQUEZ-BARJA, JOHANN M.; SILVESTRE, BRUNO; CARDOSO, KLEBER, V. Tutorial on communication between access networks and the 5G core. Computer Networks, v. 216, p. 15-pg., 2022-10-24. (20/05182-3, 18/23097-3, 20/05127-2)

BOAS, EVANDRO C. VILAS C.; S. E SILVA, JEFFERSON D. S.; DE FIGUEIREDO, FELIPE A. P.; MENDES, LUCIANO L. L.; DE SOUZA, RAUSLEY A. A.. Artificial intelligence for channel estimation in multicarrier systems for B5G/6G communications: a survey. EURASIP JOURNAL ON WIRELESS COMMUNICATIONS AND NETWORKING, v. 2022, n. 1, p. 63-pg., 2022-12-02. (21/06946-0, 20/05127-2)

LUIZ A. M. PEREIRA; EDUARDO S. LIMA; LUCIANO L. MENDES; ARISMAR CERQUEIRA S. JR.. Machine Learning-Based Digital Pre-Distortion Scheme for RoF Systems and Experimental 5G mm-waves Fiber-Wireless Implementation. J. Microw. Optoelectron. Electromagn. Appl., v. 22, n. 1, p. 172-183, 2023-03-13. (20/05127-2)

ALMEIDA, GABRIEL MATHEUS; LOPES, VICTOR H.; KLAUTAU, ALDEBARO; CARDOSO, KLEBER V.; IEEE. Deep reinforcement learning for joint functional split and network function placement in vRAN. 2022 IEEE GLOBAL COMMUNICATIONS CONFERENCE (GLOBECOM 2022), v. N/A, p. 6-pg., 2022-01-01. (20/05127-2)