Optimiser la consommation électrique pour une meilleure efficacité énergétique de la 5G
La réduction de la consommation énergétique des systèmes 5G repose sur la levée de plusieurs verrous technologiques :
La gestion des données de manière unifiée :
La diversité des sources de données génère une masse d’informations hétérogène et difficile à exploiter.
Les types de données suivantes sont particulièrement concernées :
- Radio Intelligent Controller (RIC) au niveau des gNodeB,
- Les données OAM (Operations, Administration, and Maintenance),
- Les sondes réseau (mesures de flux IP, taux de perte, QoS)
- Le NwDAF (Network Data Analytics Function) connecté aux fonctions cœur (AMF, SMF, UPF, PCF, UDM, etc.)
La modélisation des environnements :
Pour maximiser l’efficacité spectrale et réduire l’empreinte énergétique des réseaux mobiles, la création d’un jumeau numérique des réseaux 5G s’impose comme une solution clé. Ce jumeau numérique permet de simuler et d’optimiser les technologies avancées de focalisation d’énergie, essentielles à une connectivité plus durable. Cependant, cette approche innovante pose encore des défis techniques majeurs, notamment en matière de commande numérique et d’estimation en temps réel, deux étapes cruciales qui restent gourmandes en ressources de calcul. Surmonter ces obstacles est indispensable pour exploiter pleinement le potentiel de cette technologie et accélérer la transition vers des réseaux télécom plus responsables.
L’optimisation de l’orchestration du cloud :
Dans les infrastructures virtualisées, les orchestrateurs doivent concilier qualité de service (QoS) et efficacité énergétique à travers des politiques d’auto-scaling (appelé aussi dimensionnement automatique, une fonctionnalité de cloud computing qui alloue automatiquement les ressources de calcul en fonction de la demande du système). Ces mécanismes reposent sur une modélisation fine des interactions complexes.
Des compromis de conception pour garantir une IA frugale et performante
L’IA frugale optimise la quantité des données exploitées, facilite la construction des algorithmes, guide le choix du matériel et de la source d'énergie utilisée afin d’aboutir à une réduction de l’impact environnemental de l’IA, tout en maintenant en parallèle sa performance.
Techniquement, elle permet de réduire la complexité des algorithmes dans les fonctions temps réel, et donc de réduire la quantité d’énergie dépensée dans ces algorithmes. Le traitement de signal en temps réel repose sur un compromis délicat entre optimisation statistique et simplicité de l’algorithme. C’est un sujet difficilement compatible avec des équipements limités en mémoire et puissance de calcul.
En parallèle, les réseaux neuronaux se sont imposés ces dernières années. Ils permettent la réalisation de tâches variées comme la classification, la prédiction ou la traduction automatique, mais ils ne répondent pas toujours à certaines exigences statistiques comme la réduction des biais. La conception de ces réseaux peut s’appuyer sur des données simulées. Cela ouvre la voie à une rupture technologique dans l’éco-conception, en rendant possible une IA embarquée explicable, spécifiquement adaptée aux contraintes des systèmes 5G.
La maintenance prédictive sur les réseaux optique longue distance vise à analyser les alarmes générées par des équipements, tout en exploitant les mesures de latence et de puissance pour anticiper les pannes. Cela permet de prévenir les dégradations de service, de limiter les interventions coûteuses, et d’améliorer la fiabilité des infrastructures. Cependant, l’exploitation des bases de données massives générées par les réseaux optiques est un des principaux défis pour la maintenance prédictive. En cause, le volume conséquent de données à traiter, le manque de contextualisation des relations entre les données, et un manque de documentation claire, faisant obstacle à l’interprétation des données.
L’avantage du cercle d’innovation, au croisement des besoins industriels et des expertises métiers
Le projet mené par b<>com, Mitsubishi Electric, Orange et TDF se distingue par une approche où chaque membre apporte une expertise spécifique sur un maillon clé de la chaîne de valeur. De l’identification des cas d’usage à l’expertise métier, en passant par l’accès aux données, cette complémentarité permet de couvrir l’ensemble des enjeux liés à la décarbonation des réseaux mobiles tout en maximisant leur efficacité et leur impact.
Mitsubishi Electric, Orange disposent de cas d’usages opérationnels sur des métiers diversifiés du domaine des réseaux mobiles :
- Système de production d’énergie et analyse des cycles de vie pour Mitsubishi ;
- Opérateur de réseau pour Orange.
Ils bénéficient chacun d’un historique de données archivées sur plusieurs années.
b<>com dispose d’un centre de calcul haute-performance, avec une mission de transfert industriel et apporte des compétences scientifiques en IA, en traitement numérique de l’information, en mathématiques appliquées et en statistiques.
Les bénéfices clés pour les opérateurs de réseaux
La plateforme développée au sein du projet b<>com permettra de :
- Réduire de 50% la consommation énergétique du RAN par rapport à aujourd’hui grâce à son éco-conception et sa virtualisation ;
- Mieux allouer les tâches dans le cœur 5G et dans le cloud pour économiser la consommation, tout en conservant une bonne qualité de service ;
- Développer la maintenance prédictive des réseaux longue distance pour réduire les coûts de maintenance de 30% ;
- Analyser les cycles de vie de certains composants, et proposer des chaînes de retraitement ;
- Augmenter la durée de vies des équipements de 100% grâce à l’éco-conception.
Ce projet vous donne des idées ? Pour en savoir davantage sur les possibilités de collaboration avec b<>com ou pour rejoindre son cercle d'innovation, n’hésitez pas à contacter nos experts.