مهسا شیرزادیان گیلان

در شبکه‌های مخابرات بی‌سیم، هوش مصنوعی (AI) برای بهبود کارایی، پایداری و تجربه کاربری نقش‌های متعددی ایفا می‌کند. خلاصه‌ای از کاربردهای کلیدی: بهینه‌سازی منابع و مدیریت شبکه تخصیص پهنای باند، توان ایستگاه پایه و مصرف انرژی با داده‌های ترافیک و کانال. تعادل بار شبکه، مدیریت QoS و سیاست‌های اولویت‌بندی سرویس‌ها. مدیریت کانال و کاهش تداخل پیش‌بینی کانال‌های بی‌سیم و انتخاب مود رسانا (Modulation/Coding، فرکانس) پویا. کاهش تداخل بین سلول‌ها و بهینه‌سازی فرکانس/زمان و MU-MIMO با یادگیری. سیستم‌های مولتی‌آنتن و Beamforming پیکربندی پویا MIMO/Massive MIMO و تنظیم وزن‌ها با یادگیری عمیق/تقویت. بهبود ظرفیت و کارایی کانال و مدیریت handover به‌طور پیشگیرانه. کاهش تاخیر و پاسخ سریع پیش‌بینی بار ترافیک و تخصیص منابع برای سرویس‌های حساس به تاخیر (مثلاً خودروهای هوشمند، AR/VR). پردازش سمت لبه (Edge AI) برای تصمیم‌گیری نزدیک به کاربر و کاهش تأخیر. IoT و نسل‌های جدید (5G/6G) مدیریت میلیاردها دستگاه IoT با مدل‌های سبک‌وزن و تشخیص الگوهای ترافیک. بهینه‌سازی ارتباطات دستگاه‌های کم مصرف و استقرار منابع. امنیت و تشخیص تهدیدات تشخیص رفتارهای غیرعادی و نفوذ با مدل‌های یادگیری. احراز هویت پویا و پاسخ‌دهی سریع به تهدیدات امنیتی. مدیریت شبکه و Self-Healing پیکربندی و به‌روزرسانی خودکار نرم‌افزارها و تشخیص خرابی‌ها. سیاست‌های QoS تطبیقی و سرویس‌های مقاوم به خرابی. تجربه کاربری بهبود کیفیت مکالمه و ویدیو با مدیریت دقیق تاخیر و نرخ خطا. خدمات موقعیت‌یابی دقیق‌تر و هوشمند با استفاده از مدل‌های یادگیری کانال. آموزش و نگهداری شبکه پیش‌بینی نیاز به تعمیر و تشخیص خرابی تجهیزات از داده‌های حسگرها. شبیه‌سازی سناریوهای مختلف برای طراحی شبکه قبل از اجرا.