Новый конкурс DARPA поможет устройствам вклиниться в забитый радиочастотный спектр


Офис DARPA
Источник: wikimedia.org

По мере развития беспроводных технологий перегруженность электромагнитного спектра и ограниченный ресурс радиочастот становятся всё более важной проблемой для инженеров по всему миру. В связи с этим Агентство по перспективным оборонным научно-исследовательским разработкам США DARPA объявило о новом конкурсе, цель которого – использовать технологии машинного обучения так, чтобы дать возможность устройствам работать на одних и тех же частотах и при этом не мешать друг другу.

Конкурс Spectrum Collaboration Challenge (SC2) направлен на «разгрузку» радиочастот. Идея заключается в том, что устройства, использующие радиочастоты, работают лучше, если они не конкурируют за использование частоты, а коммуницируют в поисках свободной. Рост цифровых технологий подталкивает к перераспределению частот, однако приводит и к постоянным спорам общественности и военных организаций.

Так как не все устройства активны круглыми сутками, специалисты DARPA полагают, что можно создать алгоритмы машинного обучения, которые смогут понять, как перераспределить спектр с минимумом конфликтов между различными устройствами.

Представители DARPA объявили о новом конкурсе на международной выставке Wireless Communications (IWCE) в Лас-Вегасе перед 8000 инженерами. Само состязание продлится с 2017 по 2020 годы: команды должны будут создать устройства и программы, которые смогут эффективно сотрудничать с другими девайсами, работающими на радиочастотах. Призовой фонд конкурса составляет два миллиона долларов, его победитель получит в ходе мероприятия, которое будет транслироваться онлайн.

Для проведения дальнейших исследований в этой области DARPA создаёт лабораторию тестирования беспроводных технологий под названием Colosseum. Она позволит исследователям проводить крупномасштабные испытания в контролируемой среде, где можно будет также имитировать реальные проблемы.

«Победителем соревнования мы признаем команду, которая предложит наиболее разумный способ разделения радиоспектра, – говорит менеджер проекта Пол Тилман (Paul Tilghman). – Мы хотели бы ускорить развитие технологий машинного обучения и стратегий, позволяющих нескольким устройствам использовать спектр совместно».

Источник

SergTovar