Uso de Inteligencia Artificial para solucionar problemas de Network Embedding en redes móviles con virtualización

Abstract

En el contexto de las redes celulares de quinta generacion uno de los principales cambios a nivel de arquitectura es la capacidad de virtualizar los elementos de acceso. En este sentido, las estaciones base 5G se desagregan en entidades físicas y virtuales, Central Units y Distributed Units, que implementan el procesado de banda base. Estas deben ser virtualizadas sobre la red sustrato o red fisica, y para ello se precisan sistemas adaptativos que determinen cual es la mejor forma de hacer la asignacion en funcion las preferencias e intereses del operador de red. Este trabajo propone una arquitectura basada en Machine Learning, concretamente en Aprendizaje Reforzado, con la que se puedan entrenar y probar redes neuronales con el objetivo de solucionar el problema de network embedding mencionado

In the context of fifth generation of cellular networks one of the key architectural shifts comes from the virtualization of access network elements. In this sense, 5G base stations are disaggregated into physical and virtual entities, Central Units and Distributed Units, which perform the baseband processing. In turn, these entities must be embedded on the substrate network or physical network, and for this a system that determines the best way to make the assignment, based on the operator requirements and preferences, is needed. This work proposes an architecture based on Machine Learning, specifically on Reinforcement Learning, with which Neural Networks can be trained and tested with the aim of solving the network embedding problem mentioned.