Mientras que Random Forest representa un enfoque clásico y robusto, el proyecto MLSIP también ha explorado la vanguardia del Machine Learning con la implementación de FT-Transformer (Feature Tokenizer + Transformer). Este modelo, basado en la misma arquitectura Transformer que ha revolucionado el procesamiento del lenguaje natural (impulsando modelos como ChatGPT), ha sido adaptado para trabajar…
El centro tecnológico Gradiant ha desarrollado un sistema de monitorización de red para su laboratorio 5G en el marco del proyecto 6G ON TIME, permitiendo el acceso remoto a datos clave sobre la calidad de la conexión. Esta colaboración, enmarcada en la actividad Monitorización de calidad B5G RTA, busca optimizar el rendimiento de aplicaciones en…
Tras meses de diseño y desarrollo, el proyecto MLSIP ha alcanzado un hito clave: la validación comparativa de los modelos de Machine Learning. Tras un exhaustivo benchmark para evaluar qué algoritmo ofrece las mejores prestaciones para la tarea de optimización de rutas SIP, y los resultados han sido reveladores. El análisis se centró en comparar…
Para la implementación del piloto de 6G ON TIME en el Lab de Gradiant se ha utilizado la plataforma Open5GS para monitorizar el núcleo de la red 5G, centrándose en funciones clave como la gestión de movilidad (AMF) y sesiones (SMF). Esta tecnología, compatible con sistemas como Amarisoft y OpenAirInterface, proporciona métricas en tiempo real…
Dentro del arsenal de técnicas de Machine Learning, el proyecto MLSIP ha seleccionado Random Forest como uno de sus algoritmos principales para la optimización del enrutamiento SIP. Esta elección no es casual: Random Forest es conocido por su robustez, eficacia y, muy importante, su interpretabilidad, ofreciendo un equilibrio perfecto entre rendimiento y simplicidad. ¿Cómo funciona…
El proyecto 6G ON TIME apuesta por soluciones de código abierto como OpenAirInterface (OAI) y Open5GS para la monitorización en redes 5G. Gradiant incluyó modificaciones en el software para extraer métricas no disponibles inicialmente en su Lab, como la latencia y el ancho de banda, usando herramientas como ping y speedtest. La monitorización se realiza…
Tecnologías existentes para infraestructura habilitadora para B5G RTA En el contexto del proyecto 6G ON TIME se analizaron las distintas tecnologías existentes de interés. Esto es relevante para infraestructura habilitadora para B5G RTA (Real Time Automation gateways in the context of Beyond 5G). Se estudiaron tres tecnologías concretas: Network slicing Relativo a la Network Slicing,…
Las plataformas de Comunicaciones Unificadas (UC) son hoy el centro de la colaboración empresarial. Integran voz, vídeo, mensajería y compartición de pantalla en una única solución, permitiendo a los equipos trabajar de forma cohesionada sin importar su ubicación. Quobis, con su Quobis Communication Platform, es un actor clave en este mercado, y el proyecto MLSIP…
Para que el sistema MLSIP pueda tomar decisiones inteligentes, primero debe aprender. El campo del Machine Learning ofrece diversas técnicas, pero para el objetivo de predecir la calidad de una ruta SIP, el equipo de Quobis ha seleccionado el Aprendizaje Supervisado como el enfoque principal. Aprendizaje supervisado pera entrenar modelos de IA El aprendizaje supervisado…
El laboratorio 5G utilizado en el proyecto 6G ON TIME está provisionado por Gradiant. Consta de dos componentes con diferentes capacidades. Ambos permiten desplegar una red 5G SA sobre una frecuencia licenciada para uso experimental en la banda n77. El primer componente se muestra en la siguiente figura. Se ha construido principalmente con librerías de…