Graph AI: la AI adecuada para redes Wi-Fi

¿Alguna vez se le ha pedido que planifique esas importantes vacaciones familiares en las que debe encontrar la ruta más corta perfecta a través de los 12 destinos sin, por supuesto, tener que pasar por el mismo lugar de nuevo? Si tiene problemas con eso ahora mismo, no se desespere. No está solo porque este ha sido un esfuerzo matemático bastante serio desde el siglo XIX, más conocido como el Problema del vendedor de viajes.

Quizás se pregunte por qué una tarea tan simple y aparentemente muerta sería tan complicada que los matemáticos de la época victoriana tuvieron que participar. La respuesta sencilla es que lo más probable es que cada destino esté conectado a muchos otros destinos a varias distancias. En este punto, probablemente tenga una imagen mental de sus 12 lugares favoritos del mundo interconectados por una telaraña de aire, mar o enlaces terrestres. Ahora está claro que la selección de la ruta más corta a través de los 12 destinos, sin repetición, no es trivial porque hay tantas rutas posibles entre las que elegir. Elegir una ruta sin repetición es lo suficientemente difícil, y mucho menos la ruta más corta.

Vamos a generalizar este problema para poder volver al tema aquí. Sustituye tus 12 lugares favoritos por 12 pequeños círculos (o nodos) y los enlaces aire/mar/tierra entre los lugares con líneas simples. Esto, damas y caballeros, es lo que los matemáticos llaman un Gráfico.

Una red Wi-Fi® es un gráfico

Ahora, piense en todos los puntos de acceso (AP) Wi-Fi implementados en su campus empresarial. Si dos puntos de acceso están dentro del rango de propagación de radiofrecuencia (RF) entre sí, dibuje una línea (o enlace) entre ellos. Esto representa el gráfico de topología de RF, y enseguida reconocemos que un enlace entre dos AP indica que existe la posibilidad de interferencia entre ellos si van a operar en el mismo canal. Para muchos profesionales inalámbricos, esta representación gráfica debe ser extremadamente intuitiva, ya que así será como pensarán en la implementación de Wi-Fi siempre que necesiten optimizar y resolver problemas de su red.

Entonces, ¿qué es lo importante de esta representación gráfica de topología de RF? La clave aquí es que al representar una red Wi-Fi como un gráfico, nos da acceso al rico conjunto de herramientas matemáticas, técnicas y algoritmos que nos permiten medir y optimizar cuantitativamente la red. En el mundo no gráfico, a menudo utilizamos métricas como promedio, mediana, percentiles, etc. para medir y comparar ciertos aspectos de nuestras redes, p. ej., tráfico promedio a través de un AP o percentil 99 de la latencia de la red de área local (LAN). Sin embargo, ¿cómo se mide y compara la densidad de puntos de acceso entre la sala de juntas y el pasillo? ¿Cómo se encuentra ese importante punto de acceso de “puente”, que se encuentra en medio del mayor número de rutas de itinerancia, sin el cual fracasará mucho de itinerancia por el pasillo? ¿Cómo puede identificar y analizar todas las rutas de itinerancia en primer lugar?

En lugar de confiar en la intuición, la teoría de gráficos ofrece algunas familias de métricas básicas que nos ayudan a medir cuantitativamente y proporcionar respuestas a muchas preguntas como las anteriores:

• Métricas de centralidad: Evalúe la importancia de los puntos de acceso individuales en una red basándose en varias definiciones, por ejemplo, el punto de acceso que ve más interferencias, o el punto de acceso que se encuentra en medio del mayor número de rutas de itinerancia.
• Métricas de integración: Mida cómo los AP se interconectan entre sí, por ejemplo, ayudándonos a identificar rutas de itinerancia en toda la red.
• Métricas de segregación: Cuantifique la presencia de clústeres, p. ej., identificando áreas de la implementación con diferentes densidades de AP.
• Métricas de resiliencia: Mida la capacidad de la red para mantener la conectividad cuando hay fallos de AP en la implementación, por ejemplo, determine las áreas con posibles agujeros de cobertura.

Resolución de problemas de redes con Graph AI

Esta capacidad de cuantificar una red Wi-Fi como gráfico nos permite acceder al mundo de la ciencia de datos de gráficos, con algoritmos y herramientas matemáticas que son más adecuados para resolver los problemas en redes Wi-Fi, en comparación con algunas de las técnicas de aprendizaje automático más convencionales. En RUCKUS, hemos aprovechado el poder de la ciencia de datos gráficos y recientemente lanzamos la gestión de recursos de radio en la nube (RRM) impulsada por IA. Esta función resuelve uno de los problemas más antiguos en las comunicaciones inalámbricas: ¿cómo optimizamos conjuntamente el plan de canal y el ancho de banda del canal para minimizar la interferencia del canal conjunto, pero al mismo tiempo, maximizar el ancho de banda del canal tanto como sea posible?

RRM en la nube impulsado por IA aprende constantemente el entorno de RF de la red a través de la SNR de AP vecina informada por cada AP de forma regular y construye el gráfico de topología de RF. Nuestro algoritmo de gráficos pendiente de patente aprovecha principios matemáticos como la centralidad, en la que se basa PageRank de Google, para seleccionar ingeniosamente el mejor plan de canal para minimizar la interferencia del canal conjunto de una manera iterativa computacionalmente eficiente, a la vez que garantiza que en áreas donde la densidad de AP lo permite, el ancho de banda del canal se aumenta tanto como sea posible. Cuando se encuentra un mejor plan de canal conjunto y ancho de banda, una recomendación de IA alertará automáticamente al usuario, y con un clic del botón, el nuevo conjunto de configuraciones óptimas se enviará a todos los AP de la red. Y, por supuesto, nuestra IA Graph nunca duerme, y este ciclo de optimización se ejecuta 24/7.

Esta capacidad para optimizar los recursos de radio más fundamentales de los canales y el ancho de banda es cada vez más crítica a medida que anunciamos una nueva y emocionante era para Wi-Fi con 6GHz y coordinación de frecuencia automatizada (AFC). Con hasta 59 canales no superpuestos, 5 opciones de ancho de banda de canal y la disponibilidad de modos de potencia estándar y de menor potencia, la complejidad de la optimización de RRM explotará exponencialmente. Los métodos convencionales que dependen del escaneo del espectro y de evitar interferencias serán demasiado lentos, ineficientes y probablemente subóptimos. La intuición y la intuición se perderán muy rápidamente en el gran número de permutaciones disponibles. La IA gráfica, que toma prestada la famosa frase de la princesa Leia, es nuestra única esperanza.

Volver a la planificación de sus vacaciones. Si aún tiene dificultades con la ruta más corta perfecta, relájese y quizás no sea necesario, después de todo, porque a veces el viaje es más hermoso que el destino. Sin embargo, manténgase atento, ya que compartiremos más información sobre las aplicaciones de la ciencia de datos de gráficos a los problemas de redes en nuestros futuros blogs.