AI

エーアイ

公開：2025-03-04

ソフトバンクがAI for RANの研究成果を発表、無線ネットワークの性能が最大20%向上

text: XEXEQ編集部
（記事は執筆時の情報に基づいており、現在では異なる場合があります）

記事の要約

• ソフトバンクがAI for RANの研究で3つのユースケースを検証
• AIによる無線性能向上で最大20%の改善効果を確認
• 通信品質向上とネットワークキャパシティ拡張に貢献

ソフトバンクがAI for RANの研究成果を発表、通信性能の向上を実証

ソフトバンクは2025年3月3日、AI技術を活用した無線アクセスネットワーク(RAN)の性能向上を目指す「AI for RAN」の研究において、3つのユースケースでの検証結果を発表した。アップリンクチャネル補間、サウンディング参照信号の予測、AIを活用したMACスケジューリングの3つの検証で、RANの性能向上効果が実証された。^[1]

アップリンクチャネル補間の実証実験では、スマートフォンを用いたラボ環境での検証により、品質が悪いエリアにおいてアップリンクユーザースループットが約20%改善することが確認された。このユースケースはNVIDIA、富士通との協業により実現し、MWC Barcelona 2025でもデモンストレーションが行われる予定だ。

サウンディング参照信号の予測では、時速80kmで移動する端末のダウンリンクスループットが約13%向上し、AIを活用したMACスケジューリングでは、ユーザー平均スループットが約8%改善することが確認された。これらの技術により、新たな基地局設置を必要とせずにネットワークキャパシティの拡張が可能になる。

AI for RANの検証結果まとめ

マッシブアンテナについて

マッシブアンテナとは、5Gおよび6Gで使用される多数のアンテナ素子を備えた通信システムのことを指す。主な特徴として、以下のような点が挙げられる。

• 複数のアンテナ素子による高精度なビームフォーミング
• 高速かつ大容量の通信を実現
• 効率的な空間多重通信が可能

マッシブアンテナシステムでは、端末から送信されるサウンディング参照信号を用いて伝送路の推定を行い、最適なビームフォーミングを実現する。しかし、端末数の増加によりサウンディング参照信号の送信間隔が長くなると、正確な伝送路推定が困難になるため、AIによる予測技術の活用が重要となっている。

AI for RANに関する考察

AI for RANの導入による通信性能の向上は、既存のインフラを活用しながら効率的にネットワークキャパシティを拡張できる点で画期的である。特にマルチモーダル生成AIアプリケーションによるトラフィック増加が予想される中、アップリンクの性能向上は重要な技術的進展となるだろう。

一方で、AIモデルの学習データの質や量、リアルタイム処理の負荷、異常検知の精度など、実用化に向けては様々な課題が存在する。これらの課題に対しては、エッジコンピューティングの活用やAIモデルの最適化、品質管理プロセスの確立が重要になってくるだろう。

今後は5G・6G時代の大容量通信需要に対応するため、より高度なAI技術の活用が期待される。特に端末移動時の通信品質維持や、トラフィックパターンの予測による効率的なリソース配分など、AIならではの柔軟な対応力を活かした機能の拡充が望まれる。

参考サイト

1. ^ SoftBank. 「AI技術によるRANの性能向上効果を実証～「AI for RAN」の実現に向けて三つのユースケースを実証～ | 企業・IR | ソフトバンク」. https://www.softbank.jp/corp/news/press/sbkk/2025/20250303_06/, (参照 25-03-04).
2. NVIDIA. https://www.nvidia.com/ja-jp/

※上記コンテンツはAIで確認しておりますが、間違い等ある場合はコメントよりご連絡いただけますと幸いです。

「AI」に関するコラム一覧「AI」に関するニュース一覧