Solução para redes 5G criada por estudante português vale prémio em competição internacional de IA

Rui Parreira

17 jan 2022 15:12

Este artigo tem mais de 2 anos

José Rosa, estudante do Politécnico de Leiria, faz parte da equipa vencedora da competição, com a implementação de algoritmos de IA em equipamentos com recursos limitados nas redes 5G.

Procurando encontrar novas soluções para os desafios propostos pelo 5G, a International Telecommunication Union promoveu uma competição internacional de inteligência artificial, a “ITU AI/ML in 5G Grand Challenge”. A equipa portuguesa BacalhauNET foi a grande vencedora da competição, onde se destacou a solução de José Rosa, estudante do mestrado em Engenharia Eletrotécnica da ESTG do Politécnico de Leiria.

Os participantes desta competição têm de resolver problemas do mundo real, tendo como base tecnologias padronizadas desenvolvidas para IA nas redes 5G. O resultado das competições contribui para a comunidade do conhecimento, com soluções de código aberto inteligentes para os desafios das redes de comunicações.

José Rosa explicou ao SAPO TEK que o desafio era criar uma rede neural para classificação de modulações de sinais rádio. “A rede neuronal deveria de ter um custo computacional baixo e deveria atingir 56% de exatidão no dataset RadioML 2018.01A da DeepSig.” O projeto criado pela sua equipa centrou-se naquilo que é apelidado de Rede Neuronal Convolucional eficiente, ou seja, esta terá de ser pouco exigente, no que diz respeito a recursos computacionais, mas ser capaz de atingir a exatidão pretendida. Esta é composta por estruturas conhecidas, inspiradas nas tecnologias MobileNetV1 e ResNet, segundo o estudante.

Entrando num campo mais técnico, José Rosa explica que para obter mais compressão, mas sem degradar a exatidão da rede, a equipa utilizou Treino Ciente/Consciente da Quantização e supressão de estruturas pouco relevantes. Essa abordagem permitiu à equipa uma solução de aproximadamente 62 vezes mais comprimida do que a rede neural de referência, usada para avaliar as soluções. A abordagem da equipa conseguiu ser 2,6 vezes mais comprimida que a solução do segundo classificado, refere o estudante.

Olhando para o percurso de José Rosa, depois de acabar o secundário foi incentivado pelos pais a tirar formação superior, tendo escolhido o Curso de Especialização Tecnológica (CET), atualmente ESTG do Politécnico de Leiria. “O CET despertou em mim um gosto especial pela área da eletrónica pelo que, para completar a minha formação, segui com os estudos na mesma área, desta vez, matriculando-me na Licenciatura em Engenharia Eletrotécnica e de Computadores na mesma instituição”. Quando acabou a Licenciatura em 2019, foi convencido por colegas e docentes a seguir o Mestrado em Engenharia Eletrotécnica, o qual frequenta atualmente.

Para o seu mestrado apresentou aos seus orientadores uma proposta que envolvia Inteligência Artificial aplicada a Field Programmable Gate Arrays (FPGAs). Desde sempre considerou a IA como um “hot topic” para si, sendo que as FPGA são do seu agrado devido ao seu desempenho e arquitetura. “A junção das duas áreas serve para interligar a IA e a Eng. Eletrotécnica, sendo que o nosso objetivo é explorar a implementação de algoritmos de IA em dispositivos com recursos limitados, nomeadamente as FPGA”.

Na prática, a solução vencedora pela BacalhauNET, é explicada que “a rede neural, sem as técnicas de quantização e pruning, pode ser usada em virtualmente todos os dispositivos, uma vez que a mesma é representada através do formato Open Neural Network Exchange (ONNX) que pode ser importado pela maioria das frameworks de Machine Learning disponíveis”. Assim, a rede comprimida pode ser implementada facilmente em FPGAs com recurso ao compilador FINN. Poderá também envolver a adaptação de algum do código-fonte e voltar a treinar a rede para que exista compatibilidade, explica o estudante.

Essa solução já está disponível em open source no Github para quem tiver o interesse em usar e adaptar a mesma. “O próximo passo será implementar a rede neuronal comprimida numa FPGA e avaliar o seu desempenho numa aplicação em tempo real”.

Questionado sobre os desafios atuais das redes e como pode a IA melhorar o 5G, José Rosa refere que as as redes neuronais mais complexas são implementadas na cloud devido à complexidade computacional inerente às mesmas. Mas essa implementação levanta problemas tais como a fiabilidade, uma vez que o sistema é dependente da qualidade de serviço no acesso à rede, pois os dados têm de ser enviados para a cloud; a segurança, pois os dados confidenciais não devem ser transmitidos para a cloud; a latência da transmissão dos dados para a cloud pode impedir que uma aplicação funcione em tempo real.

“Existe um esforço da comunidade académica e indústria para migrar a implementação de algoritmos IA para a edge, ou seja, para perto da fonte dos dados. A nossa solução é computacionalmente eficiente pelo que permitirá a integração da mesma em dispositivos na edge, com recursos mais limitados que os dispositivos da cloud, minimizando alguns dos problemas inerentes à implementação na cloud”.

O estudante realça ainda que o espectro eletromagnético, do qual dependem as redes sem fios, está sobrelotado. “A nossa solução permitiu desenvolver um algoritmo eficiente que permite a classificação das modelações Rádio Frequência (RF) em tempo real, com a finalidade de os dispositivos se adaptarem às condições do canal de comunicações, promovendo assim o uso eficiente do espectro”.

A edição de 2021 da competição contou com um total de 16 desafios abertos, tendo atraído mais de 1.600 participantes de 82 países. A Competição desenvolve-se, por norma, em duas etapas. Na primeira o júri seleciona as duas ou três melhores equipas de cada desafio. E na segunda, a melhor equipa entre os 16 desafios abertos é selecionada como vencedora do Grand Challenge. No caso da BacalhauNET, competiu com 12 outras equipas no desafio aberto a qual se propôs. Depois de vencer o desafio, sagrou-se também com o ouro no Grand Challenge, que contou com 32 equipas finalistas dos 16 desafios da primeira fase.

"Além do estudante José Rosa, a equipa integra ainda Daniel Granhão, Guilherme Carvalho e Tiago Filipe Gonçalves, estudantes de doutoramento da Faculdade de Engenharia da Universidade do Porto e investigadores no Instituto de Engenharia de Sistemas e Computadores, Tecnologia e Ciência (INESC TEC), orientados pelos docentes Luís Conde Bento e Mónica Figueiredo, da ESTG, e pelos investigadores Nuno Paulino e Luís Pessoa, do Centro de Telecomunicações e Multimédia do INESC TEC", refere o comunicado do projeto.