في عالم الاتصالات اللاسلكية، يُعد تمثيل القنوات بدقة وبدون تأخير أمراً بالغ الأهمية لضمان أداء الشبكات في الوقت الحقيقي. إن الطرق التقليدية مثل تتبع الأشعة (Ray Tracing) غالبًا ما تكون مرهقة حسابيًا وغير فعالة في نمذجة الظروف الديناميكية المتغيرة. لكن الآن، نقدم لكم AIRMap، الإطار الرائد المدعوم بالتعلم العميق (Deep Learning) لتقدير خرائط الراديو (Radio Maps) بسرعة فائقة.

يتميز AIRMap باستخدامه لمُرمز أوتوماتيكي (Autoencoder) من نوع U-Net يعمل على معالجة خريطة ارتفاعات التضاريس والمباني فقط، مما يجعله حلاً مبتكرًا في مجال إنشاء بيانات خرائط الراديو. تم تدريب AIRMap على نحو 1.2 مليون عينة من منطقة بوسطن، وأثبت أداءً مذهلاً في أربع بيئات حضرية وريفية مختلفة، حيث يتمكن من توقع قوة الإشارة (Path Gain) بمتوسط خطأ أقل من 4 ديسيبل (dB) خلال مدة لا تتجاوز 4 مللي ثانية لكل استدلال على معمارية NVIDIA L40S، مما يعني تفوقه بأكثر من 100 مرة على الطرق التقليدية.

حتى الابتكار في دقة القياس يعد مثيرًا للإعجاب، حيث يتطلبCalibration خفيف باستخدام 20% فقط من قياسات الميدان، ما يقلل متوسط الخطأ إلى حوالي 5%، مقارنة بالطرق التقليدية التي قد تتجاوز 50% من الأخطاء.

كما تم دمج AIRMap في محاكي الكولوسيوم (Colosseum Emulator) ومنصة Sionna SYS، مما أظهر دقة قريبة للصفر في كفاءة الطيف ومعدل الأخطاء، مقارنة بالقنوات المبنية على القياسات.

تؤكد هذه النتائج قدرة AIRMap على تقديم تقديرات دقيقة وقابلة للتوسع في زمن حقيقي لخريطة الراديو في التطبيقات الرقمية اللاسلكية، مما يفتح آفاقًا جديدة في مجال الشبكات الذكية والنماذج الرقمية المتطورة.