L’IA dans les différentes architectures RAN (D-RAN/C-RAN/O-RAN)

Nous allons dans cet article présenter plus spécifiquement le rôle de l’IA dans trois architectures RAN principales: le RAN traditionnel, le Cloud RAN et l’Open RAN.

L’intégration et l’impact de l’IA dans ces différentes architectures réseau présentent des potentiels variables pour améliorer les performances, l’évolutivité et l’adaptabilité des réseaux. Chaque architecture offre des opportunités et des contraintes distinctes pour l’utilisation de l’IA.

L’IA dans le RAN traditionnel

Caractéristiques et avantages

• Les architectures RAN traditionnelles sont dites de conception monolithique. L’environnement est  stable et optimisé pour l’IA
• Cette architecture répond efficacement aux exigences strictes de latence

Limitations

• La structure rigide rend difficile l’adaptation rapide aux nouvelles innovations en IA
• Les contraintes liées aux systèmes propriétaires d’un seul fournisseur peuvent limiter l’intégration et la mise à jour des modèles d’IA
• L’adaptabilité aux technologies émergentes est restreinte.

L’intégration ciblée du RAN traditionnel permet d’apporter des améliorations réseau, mais le manque de flexibilité conduit à des limitations.

L’IA dans le Cloud RAN

Architecture

• Le Cloud RAN (C-RAN) désagrège le matériel et le logiciel
• Il déploie les fonctions réseau sous forme de fonctions réseau virtualisées (VNF) dans un environnement COTS (Commercial Off-The-Shelf)
• Cette configuration permet un traitement centralisé et une gestion flexible des ressources
• Cette architecture est particulièrement adaptée à l’intégration de l’IA

Capacités d’IA

• Inférence en temps réel et quasi-temps réel: L’architecture centralisée permet une inférence IA efficace, supportant l’optimisation et la gestion du réseau basées sur l’analyse de données extensives
• Adaptation dynamique: La virtualisation des modèles d’IA et leur allocation dans des schémas centralisés ou distribués selon la couche ou le cas d’utilisation améliorent le comportement dynamique du réseau
• Capture de modèles localisés: Les unités distribuées permettent de capturer des modèles et comportements plus localisés dans le réseau

Cette flexibilité du Cloud RAN offre de nombreuses possibilités d’optimisation et d’amélioration des performances en réponse aux données et prédictions en temps réel, améliorant l’allocation des ressources et l’expérience utilisateur.

L’IA dans l’Open RAN

Architecture

• L’Open RAN (O-RAN) présente également une désagrégation matériel-logiciel comme le Cloud RAN
• Il se distingue par ses interfaces ouvertes et ses composants standardisés permettant une plus grande interopérabilité
• Le Contrôleur Intelligent RAN (RIC) sert de plateforme centralisée pour la gestion et l’optimisation des performances réseau via l’IA
• Il supporte des applications en temps réel et non-temps réel, améliorant l’adaptabilité du réseau

Organisation et contrôle dans l’O-RAN

• Le RIC non-RT fait partie du framework SMO (Session Management and Orchestration) et supporte les rAPPs contenant des algorithmes IA/ML
• Le RIC near-RT réside dans le cloud télécoms régional ou de périphérie et active l’optimisation réseau via les xAPPs
• La release « Cherry » de l’alliance O-RAN (janvier 2021) standardise les frameworks IA/ML dans l’écosystème O-RAN
• L’architecture SMO découplée supporte une entité de gestion de flux de travail IA/ML pour assister les fonctions RIC

Capacités d’IA

• Interopérabilité accrue: La conception modulaire et ouverte facilite les capacités d’IA natives
• Déploiement d’IA évolutif: L’architecture flexible permet d’appliquer l’IA à des fonctionnalités individuelles, des systèmes ou l’ensemble du réseau

Illustration de l’interaction de l’IA dans les architectures RAN

• Dans le RAN intégré: Application de l’IA directement aux fonctions critiques comme la formation de faisceaux, l’ordonnancement, et la gestion du spectre
• Dans le Cloud et Open RAN: Utilisation de l’IA à travers des couches multiples avec différents types de boucles de contrôle (temps réel, proche temps réel, et non-temps réel)

Conclusion

• Le RAN traditionnel offre stabilité et performances optimisées mais avec une flexibilité limitée
• Le Cloud RAN permet une centralisation et une flexibilité accrues, idéales pour l’inférence IA en temps réel sur de grandes quantités de données
• L’Open RAN, avec ses interfaces ouvertes et son architecture modulaire, facilite particulièrement l’interopérabilité et le déploiement évolutif de solutions basées sur l’IA

La tendance générale montre une évolution vers des architectures qui supportent une intégration plus profonde et plus native de l’IA, permettant des réseaux plus intelligents, adaptatifs et efficaces.