Améliorer l’efficacité énergétique des réseaux Wi-Fi sur les drones grâce à la méthode des moisissures visqueuses et à un réseau de neurones
La demande de communications sans fil de haute qualité augmente parallèlement au nombre d’applications et d’appareils. Une façon de fournir un tel réseau consiste à utiliser un système de routeurs de drones. Un tel système serait utile, par exemple, dans les situations où il est nécessaire de fournir rapidement et simultanément un signal à une vaste zone, lors de catastrophes naturelles, d’incidents à grande échelle et d’événements publics.
Le principal problème d’un tel réseau est la répartition des ressources. Il est nécessaire d’allouer la puissance requise le plus efficacement possible et d’échanger des signaux, tout en dépensant le moins d’énergie possible sur la batterie du drone.
Un mathématicien de RUDN et des collègues de Chine et d’Arabie saoudite ont construit à cet effet un réseau neuronal en utilisant une optimisation inspirée du comportement d’une moisissure visqueuse unicellulaire. L’ouvrage est publié dans la revue Capteurs.
« Un accès illimité au réseau, à tout moment et en tout lieu, est possible grâce aux véhicules aériens sans pilote, les drones. Ils ont retenu une attention particulière en raison de leur faible coût, de leur simplicité et de leur flexibilité. Cependant, des problèmes techniques doivent être résolus.
« Le point faible d’un tel réseau réside dans les limitations strictes de puissance. La capacité de la batterie est généralement faible en raison des limitations de la taille et du poids du drone », Ammar Muthanna, Ph.D., directeur du Centre scientifique de modélisation des réseaux 5G sans fil à » a déclaré l’Université RUDN.
Les mathématiciens ont développé une approche dans laquelle l’allocation des ressources s’effectue à l’aide de modèles d’apprentissage profond. Les auteurs l’ont combiné avec la méthode dite des moisissures visqueuses.
Il s’agit d’un algorithme d’optimisation inspiré du comportement d’organismes simples. En quête de nourriture, la moisissure visqueuse laisse derrière elle une traînée qui s’évapore progressivement. Plus la piste est visible, plus il est probable qu’il s’agisse du chemin menant à la « bonne réponse » : une source de nourriture.
La « nourriture » dans ce cas est l’efficacité maximale du réseau neuronal, et le chemin ouvert par la « moisissure visqueuse » est constitué par les paramètres réglables du réseau neuronal.
Un réseau neuronal avec des paramètres sélectionnés par « moisissure visqueuse » a montré une bonne efficacité informatique et énergétique. Le nouveau modèle est 5 à 20 % supérieur aux précédents en termes de nombre de bits pouvant être transmis en dépensant 1 joule.
« Notre approche aide à prendre des décisions économes en énergie et en calcul. À l’avenir, nous essaierons d’autres moyens de distribuer les ressources et de nous adapter aux conditions du réseau en temps réel », a déclaré Muthanna.
