在無線通訊的世界中，頻譜是一個相當有限的資源，小規模的無線通訊可能要花不少時間才找到沒有干擾的頻道，在無線通訊越來越普及的情況下則更加嚴重。不過未來可能可以透過深度學習技術來解決這個問題。
來自 Northeastern University 物聯網學院的研究員表示，目前越來越多的物聯網裝置出現，令無線網絡最佳化面對新的挑戰，在同一區域內，一個頻道範圍可能會由百多個裝置共用，要讓通訊頻率調整到最低干擾的難度與日俱增，傳統的計算方式已經不再有效。
而研究就希望可以透過深度學習技術，收集極大量的數據然後進行持續的分析，透過這個技術將可以快速在毫秒水平內計算出最佳的頻率，從而令通訊品質最佳化。研究表示，如果使用現有的計算方式，即使是市面上最強勁的內嵌式裝置都無法達成毫秒級的調整，而且機器學習無需使用雲端連線，令延遲情況進一步減少。
目前研究人員希望將深度學習模型進一步縮小，令它可以在細小的裝置上運作，同時讓其可以適應不同運算能力的裝置，在運算能力更強的裝置上提供更多功能，例如避免刻意的數據攻擊等。這樣的技術與其可以應用在 5G 和 6G 網絡上，減少其超高頻訊號的互相干擾問題。
來源：Venture Beat
