研究室紹介OPAL-RING
須藤 研究室

こうした問題を解決するため、須藤助教は「いずれは計算機能付きの基地局を導入すべきだ」と考えています。一人ひとりに個別の安定した無線環境を与えることができれば、その人に合った最適な計算資源を提供できるようになります。人工知能（AI）を活用することによって、ネットワークの機能や構成を自律的に決定でき、各資源を柔軟に制御できるため、全体としても効率良く周波数を利用できるのです。

須藤助教がエッジコンピュータの一つとして理論提案しているのは、ミリ波通信機を備え、かつ100個の小型サーバを敷き詰めた円柱型の無線システム（小型基地局）です。基地局と計算機の機能を一体化したこのシステムを利用すれば、1基地局において100個の端末と同時接続させられるだけでなく、大量の計算機で即時処理するため、ビックデータ解析や深層学習などの大規模な並列計算を遅延なく実行させることができます。

これに付け加える形で提案するのが、AIを使って、ユーザの利用アプリに応じた必要な通信性能を提供する「ユーザ指向型」の無線アクセスの基盤技術です。過去のトラヒックパターンから未来に必要な通信品質を予測し、ユーザの個々のアプリを遅延なく実行させるための通信資源と計算資源を割り当てる新しいアクセス方法です。

一方、別のアプローチとして、周波数を有効利用して通信を高速化させるために、実際に電波が通信空間にどのくらいの強度で伝搬しているのかを調べる電波環境センシングの研究も進めています。AI技術の一つである深層学習を使い、少数の観測データから、観測エリア全体の電波環境のマップを構築する手法を開発しました。

ユーザが持っているスマートフォンをセンサとして活用し、通信時に得られる受信電力と位置情報から、統計処理によって空間上の電波強度を把握できるようにしました。現在は専用の高価な機器が使われていますが、AIによってユーザ端末から得られる数少ない情報からでもマッピングできるため、新たな機器を導入せずに低コストに運用できるのです。

そこで深層学習を使って、電波環境の良し悪しに関係なく、安定した画質の映像を送れるストリーミング技術を開発しました。自動運転車から低画質の映像を送ることで電波環境が悪くても安定的な送信を可能にし、いったんそれを基地局に送って超解像技術による畳み込みニューラルネットワーク（CNN）によって高画質の映像に変換し、遠隔操作者に送信するという仕組みです。こうした工夫によって、将来、自動運転はより安全に運用できるようになるはずです。