Project Marconi เป็นแอปพลิเคชันเครือข่ายวิทยุที่ใช้ปัญญาประดิษฐ์ / การเรียนรู้ของเครื่อง (AI/ML) แห่งแรกในอุตสาหกรรมสำหรับเครื่องจัดกำหนดการ 5G Medium Access Control (MAC) เพิ่มประสิทธิภาพด้วยซอฟต์แวร์ Intel AI และ 3rd โปรเซสเซอร์ Intel Xeon Scalable เจนเนอเรชั่น
ผู้ให้บริการเครือข่ายทั่วโลกลงทุนอย่างหนักในด้านสเปกตรัมและกำลังมองหาโซลูชันเพื่อพัฒนาและรับบริการ 5G ได้เร็วขึ้น จากข้อมูลของ Global Mobile Suppliers Association มูลค่าการประมูลคลื่นความถี่ทั้งหมดมีมากกว่า $ พันล้านดอลลาร์ใน 27 2020. โซลูชันของ Capgemini บนสถาปัตยกรรม Intel ช่วยเพิ่มปริมาณการรับส่งข้อมูลที่แต่ละเซลล์สามารถจัดการได้ ช่วยให้ผู้ให้บริการสามารถให้บริการสมาชิกได้มากขึ้นและมอบประสบการณ์ที่โดดเด่น ในขณะที่เปิดตัวบริการ Industry 4.0 ใหม่ เช่น กรณีการใช้งาน Mobile Broadband (eMBB) ที่ปรับปรุงแล้วและ Ultra Trust Low Latency Communications (URLLC)
Walid Negm หัวหน้าเจ้าหน้าที่ฝ่ายวิจัยและนวัตกรรมของ Capgemini Engineering กล่าวว่า "ทีมงานของเราทำงานอย่างใกล้ชิดกับ Intel เพื่อสร้างโซลูชันที่เป็นนวัตกรรมอย่างแท้จริงซึ่งสามารถกระตุ้นเข็มนาฬิกาสำหรับผู้ปฏิบัติงานได้อย่างแท้จริง เรารวบรวมและใช้ข้อมูลมากกว่าหนึ่งเทราไบต์ และทำการทดสอบจำนวนนับไม่ถ้วนด้วย NetAnticipate5G เพื่อปรับแต่งการวิเคราะห์เชิงคาดการณ์ให้ตรงตามข้อกำหนดของผู้ให้บริการที่หลากหลาย กล่าวโดยย่อ แมชชีนเลิร์นนิงสามารถนำไปใช้ในการตัดสินใจอย่างชาญฉลาดบน RAN โดยไม่ต้องมีฮาร์ดแวร์เพิ่มเติม สิ่งนี้ทำให้คุ้มค่าในระยะสั้นและการพิสูจน์ในอนาคตในระยะยาวเมื่อเราย้ายไปสู่การใช้งาน Cloud Native RAN".
Cristina Rodriguez รองประธานฝ่าย Wireless Access Network ของ Intel กล่าวว่า "โปรเซสเซอร์ Intel Xeon Scalable เจนเนอเรชั่น 3 ของเราพร้อมการเร่งความเร็ว AI ในตัวให้ประสิทธิภาพสูงสำหรับการเรียนรู้เชิงลึกบนแพลตฟอร์ม Net Anticipate 5G การทำงานร่วมกันของเราได้ส่งข้อมูลการอนุมานที่รวดเร็วเป็นพิเศษเพื่อเพิ่มประสิทธิภาพไลบรารีโอเพ่นซอร์ส ML ส่งผลให้ RAN อัจฉริยะที่สามารถคาดการณ์และตอบสนองต่อความต้องการความครอบคลุมของสมาชิกได้อย่างรวดเร็วในขณะที่ลด TCO".
Capgemini ปรับใช้แพลตฟอร์ม NetAnticipate5G และ RATIO O-RAN เพื่อแนะนำเทคนิค AI/ML ขั้นสูง AI ขับเคลื่อนการคาดการณ์โซลูชันการวิเคราะห์เชิงคาดการณ์และกำหนดค่า MCS (รูปแบบการปรับและการเข้ารหัส) ที่เหมาะสมสำหรับการส่งสัญญาณผ่านการคาดการณ์คุณภาพสัญญาณของผู้ใช้และรูปแบบการเคลื่อนที่ได้อย่างแม่นยำ ด้วยวิธีนี้ RAN สามารถจัดกำหนดการทรัพยากร MAC อย่างชาญฉลาด เพื่อให้ได้การคาดการณ์ MCS ที่แม่นยำยิ่งขึ้นถึง 40% และให้ประสิทธิภาพสเปกตรัมที่ดีขึ้นถึง 15% ในกรณีศึกษาและการทดสอบ ส่งผลให้มีความเร็วข้อมูลเร็วขึ้น QoE ดีขึ้นและสม่ำเสมอยิ่งขึ้นแก่สมาชิก และความครอบคลุมที่แข็งแกร่งสำหรับกรณีการใช้งานที่อาศัยการเชื่อมต่อที่มีความหน่วงต่ำ เช่น การผลิตที่ใช้หุ่นยนต์และ V2X (ยานพาหนะสู่ทุกอย่าง)