El Internet inalámbrico de las cosas (IoT) es una red de dispositivos en la que cada dispositivo puede enviar información directamente a otro a través de canales de comunicación inalámbricos. sin intervención humana. Con el número de dispositivos de IoT aumentando cada día, la cantidad de información sobre canales inalámbricos también está aumentando. Esto está causando congestión en la red, lo que lleva a la pérdida de información debido a interferencias y la falla en la entrega de información. La investigación para resolver este problema de congestión está en curso, y la solución más aceptada y aplicada es la tecnología "multicanal". Con esta tecnología, La transmisión de información se distribuye entre varios canales paralelos en función del tráfico en un canal particular en un momento dado.

Pero, en el presente, los canales óptimos de transmisión de información se seleccionan utilizando algoritmos que no pueden ser compatibles con la mayoría de los dispositivos de IoT existentes porque tienen recursos limitados; es decir., tienen baja capacidad de almacenamiento y baja potencia de procesamiento, y debe ser de ahorro de energía mientras permanece en funcionamiento durante largos períodos de tiempo.

En un estudio reciente publicado en Ciencias Aplicadas , un grupo de científicos de la Universidad de Ciencias de Tokio y la Universidad de Keio, Japón, proponer el uso de un algoritmo de aprendizaje automático, basado en el modelo de tira y afloja (que es un modelo fundamental, propuesto anteriormente por el profesor Song-Ju Kim de la Universidad de Keio, que se utiliza para resolver problemas como el de cómo distribuir la información a través de los canales), para seleccionar canales. "Nos dimos cuenta de que este algoritmo podría aplicarse a dispositivos IoT, y decidimos implementarlo y experimentar con él, "Profesor Mikio Hasegawa, el científico principal de la Universidad de Ciencias de Tokio, dice.

En su estudio, construyeron un sistema en el que varios dispositivos de IoT estaban conectados para formar una red y cada dispositivo solo podía seleccionar uno de los varios canales disponibles a través del cual transmitir información cada vez. Es más, cada dispositivo tenía recursos limitados. En el experimento, los dispositivos tenían la tarea de despertarse, transmitir una pieza de información, ir a dormir, y luego repetir el ciclo un cierto número de veces. La función del algoritmo propuesto era permitir que los dispositivos seleccionaran el canal óptimo cada vez, tal que al final, el mayor número posible de transmisiones exitosas (es decir, cuando toda la información llega a su destino en una sola pieza) ha tenido lugar.

El algoritmo se llama aprendizaje por refuerzo y realiza la tarea de la siguiente manera:cada vez que se transmite una información a través de un canal, observa la probabilidad de lograr transmisiones exitosas a través de ese canal, en función de si la información llega de forma completa y precisa a su destino. Actualiza estos datos con cada transmisión posterior.

Los investigadores usaron esta configuración para verificar también a) si el algoritmo fue exitoso, b) si fue imparcial en su selección de canales, yc) si podría adaptarse a las variaciones de tráfico en un canal. Para las pruebas, Se construyó un sistema de control adicional en el que a cada dispositivo se le asignaba un canal en particular y no podía seleccionar ningún otro canal al transmitir información. En el primer caso, algunos canales estaban congestionados antes de comenzar el experimento, y los científicos encontraron que el número de transmisiones exitosas era mayor cuando se usaba el algoritmo, a diferencia de cuando no lo era. En el segundo caso, algunos canales se congestionaron cuando no se utilizó el algoritmo, y la información no se pudo transmitir a través de ellos después de un momento, causando "injusticia" en la selección de canales. Sin embargo, cuando los científicos usaron el algoritmo, la selección de canales resultó ser justa. Los hallazgos del tercer caso aclaran los de los dos casos anteriores:cuando se utilizó el algoritmo, los dispositivos automáticamente comenzaron a ignorar un canal congestionado y lo reutilizaron solo cuando el tráfico en él disminuyó.

"Logramos la selección de canales con una pequeña cantidad de cálculo y un algoritmo de aprendizaje automático de alto rendimiento, "Nos dice el profesor Hasegawa. Si bien esto significa que el algoritmo resolvió con éxito el problema de selección de canales en condiciones experimentales, su marcha en el mundo real aún está por verse. "Se llevarán a cabo experimentos de campo para probar la solidez de este algoritmo en futuras investigaciones, ", dicen los científicos. También planean mejorar el algoritmo en investigaciones futuras teniendo en cuenta otras características de la red, como la calidad de transmisión del canal.

El mundo se está moviendo rápidamente hacia redes de IoT inalámbricas masivas con un número creciente de dispositivos que se conectan a través de canales inalámbricos a nivel mundial. Todas las organizaciones o académicos posibles están aprovechando este momento de la historia del tiempo para resolver el problema de selección de canales y adelantarse al juego. El profesor Hasegawa y su equipo han logrado dar uno de los primeros pasos en la carrera. El futuro de la alta velocidad ¡La transmisión inalámbrica de información sin errores puede estar cerca!