Come può l'AI far dormire le torri di rete e risparmiare energia?

Le reti 6G promettono velocità pazzesche, ma consumano anche tantissima energia. Il problema più grande? Le unità radio (RU) delle stazioni base restano accese anche quando il traffico è basso, sprecando elettricità. Un gruppo di ricercatori ha provato a risolvere la questione usando l'intelligenza artificiale. Hanno applicato un algoritmo chiamato TD3, che lavora con azioni continue, a differenza dei metodi più vecchi come DQN, che usano solo scelte discrete. Grazie a TD3, le RU possono passare a diversi livelli di “sonno” in modo più preciso, evitando di dover gestire un numero enorme di combinazioni. Nei test di simulazione, il nuovo approccio ha tagliato più del 50% il consumo energetico rispetto a una rete sempre accesa, e ha superato DQN di circa 6%. Inoltre, TD3 è risultato più stabile e ha imparato più velocemente. In pratica, l'AI potrebbe far addormentare le torri quando non servono, riducendo l'impronta ecologica delle future reti mobili.

Il metodo TD3 (Twin Delayed Deep Deterministic Policy Gradient) è una variante dell’apprendimento per rinforzo continuo, progettata per gestire spazi d’azione di grandi dimensioni senza la necessità di discretizzarli. In un contesto O‑RAN, le RU possono operare in più stati di potenza: full‑on, micro‑sleep, deep‑sleep, ecc. Ogni stato ha un consumo energetico specifico e un impatto diverso sulla latenza e sulla capacità di risposta. TD3 utilizza due reti critiche “gemelle” per ridurre la varianza nella stima del valore Q, mentre un’attività di policy lag riduce l’over‑fitting. Questo porta a una convergenza più rapida rispetto a DQN, che soffre di esplosione combinatoria quando si tenta di modellare tutti gli stati di sleep come azioni discrete. Inoltre, la stabilità di TD3 è migliorata grazie al clipping dei gradienti e all’uso di target networks aggiornati più lentamente. I risultati sperimentali mostrano che, in scenari di densità di celle elevata, l’algoritmo riesce a mantenere la QoS (Quality of Service) entro limiti accettabili, mentre riduce il consumo medio di potenza di oltre il 50%. Questo approccio è particolarmente promettente per le future architetture 6G, dove la flessibilità e l’efficienza energetica saranno requisiti fondamentali.