Graph IA : la bonne IA pour les réseaux Wi-Fi

Avez-vous déjà été chargé de planifier des vacances en famille très importantes où vous devez trouver l’itinéraire le plus court parfait à travers les 12 destinations sans, bien sûr, devoir passer à nouveau au même endroit ? Si vous avez des difficultés avec cela en ce moment, ne désespérez pas. Vous n’êtes pas seul, car c’est un effort mathématique assez sérieux depuis le XIXe siècle, plus connu sous le nom de Travelling Salesman Problem.

Vous vous demandez peut-être pourquoi une tâche si simple apparemment morte serait si compliquée que les mathématiciens de l’époque victorienne devaient s’impliquer ? La réponse simple est que chaque destination est probablement connectée à de nombreuses autres destinations à différentes distances. À ce stade, vous avez probablement une image mentale de vos 12 endroits préférés dans le monde interconnectés par une toile d’araignée de liaisons aériennes, maritimes ou terrestres. Il est maintenant clair que la sélection de l’itinéraire le plus court à travers les 12 destinations, sans répétition, n’est pas triviale car il y a tout simplement tant d’itinéraires possibles parmi lesquels choisir. Choisir un itinéraire sans répétition est assez difficile, encore moins le plus court.

Allons généraliser ce problème afin de pouvoir revenir au sujet ici. Remplacez vos 12 endroits préférés par 12 petits cercles (ou nœuds) et les liaisons air/mer/terre entre les endroits par des lignes simples. Mesdames et Messieurs, c’est ce que les mathématiciens appellent un Graphique !

Un réseau Wi-Fi® est un graphique

Maintenant, pensez à tous les points d’accès Wi-Fi (AP) déployés sur votre campus d’entreprise. Si deux points d’accès se trouvent dans la plage de propagation des radiofréquences (RF) l’un de l’autre, tracez une ligne (ou une liaison) entre eux. Cela représente le graphique de topologie RF, et nous reconnaissons tout de suite qu’une liaison entre deux points d’accès indique qu’il existe une possibilité d’interférence entre eux s’ils doivent fonctionner sur le même canal. Pour de nombreux professionnels du sans fil, cette représentation graphique doit être extrêmement intuitive, car c’est ainsi qu’ils penseront au déploiement Wi-Fi chaque fois qu’ils auront besoin d’optimiser et de dépanner leur réseau.

Alors, quel est l’important dans cette représentation graphique de topologie RF ? La clé ici est qu’en représentant un réseau Wi-Fi sous forme de graphique, il nous donne accès à un riche ensemble d’outils, de techniques et d’algorithmes mathématiques qui nous permettent de mesurer et d’optimiser quantitativement le réseau. Dans le monde non graphique, nous utilisons souvent des mesures telles que la moyenne, la médiane, les percentiles, etc. pour mesurer et comparer certains aspects de nos réseaux, par exemple, le trafic moyen via un point d’accès ou le 99e percentile de latence du réseau local (LAN). Cependant, comment mesurez-vous et comparez-vous la densité des points d’accès entre la salle de conseil et le couloir ? Comment trouvez-vous cet important point d’accès de « pontage », qui se trouve au milieu du plus grand nombre de chemins d’itinérance, sans lequel beaucoup d’itinérance dans le couloir échouera ? Comment identifiez-vous et analysez-vous en premier lieu tous les chemins d’itinérance ?

Au lieu de s’appuyer sur l’intuition, la théorie du graphique offre quelques familles de mesures de base qui nous aident à mesurer quantitativement et à fournir des réponses à de nombreuses questions comme celles ci-dessus :

• Mesures de centralité : Évaluez l’importance des points d’accès individuels dans un réseau en fonction de diverses définitions, par exemple, le point d’accès qui voit le plus d’interférences, ou le point d’accès qui se trouve au milieu du plus grand nombre de chemins d’itinérance.
• Mesures d’intégration : Mesurez comment les points d’accès s’interconnectent les uns avec les autres, par exemple, en nous aidant à identifier les chemins d’itinérance sur l’ensemble du réseau.
• Mesures de séparation : Quantifiez la présence de clusters, par exemple, en identifiant les zones du déploiement avec différentes densités de points d’accès.
• Mesures de résilience : Mesurez la capacité du réseau à maintenir la connectivité en cas de défaillances du point d’accès dans le déploiement, par exemple, déterminez les zones présentant des trous de couverture potentiels.

Résoudre les problèmes de mise en réseau avec l’IA graphique

Cette capacité à quantifier un réseau Wi-Fi sous forme de graphique nous permet d’accéder au monde de la science des données graphiques, avec des algorithmes et des outils mathématiques qui sont plus aptes à résoudre les problèmes des réseaux Wi-Fi, par rapport à certaines des techniques d’apprentissage automatique plus conventionnelles. Dans RUCKUS, nous avons tiré parti de la puissance de la science des données graphiques et lancé récemment la gestion des ressources radio (RRM) cloud pilotée par l’IA. Cette fonctionnalité résout l’un des problèmes les plus anciens dans les communications sans fil. Comment optimiser conjointement le plan de canal et la bande passante de canal pour minimiser les interférences de co-canal, tout en maximisant la bande passante de canal autant que possible ?

Le RRM cloud piloté par l’IA apprend en permanence l’environnement RF du réseau via le SNR du point d’accès voisin, rapporté par chaque point d’accès de manière régulière, et construit le graphique de topologie RF. Notre algorithme graphique en attente de brevet exploite des principes mathématiques tels que la centralité, largement utilisé par PageRank de Google, pour sélectionner intelligemment le meilleur plan de canal afin de minimiser les interférences de canal commun de manière itérative et efficace, tout en garantissant que dans les zones où la densité du point d’accès le permet, la bande passante du canal est augmentée autant que possible. Lorsqu’un meilleur plan de canal conjoint et une meilleure bande passante sont trouvés, une recommandation d’IA alertera automatiquement l’utilisateur, et en un clic, le nouvel ensemble de configurations optimales sera transmis à tous les points d’accès du réseau. Et bien sûr, notre Graph AI ne dort jamais, et ce cycle d’optimisation s’exécute aux 24/7.

Cette capacité à optimiser les ressources radio les plus fondamentales des canaux et de la bande passante devient de plus en plus critique à l’heure où nous inaugurons une nouvelle ère passionnante pour le Wi-Fi avec 6GHz et la coordination automatisée de la fréquence (Automated Frequency Coordination, AFC). Avec jusqu’à 59 canaux qui ne se chevauchent pas, 5 options de bande passante et la disponibilité de modes de puissance plus faibles et standard, la complexité de l’optimisation RRM explosera de manière exponentielle. Les méthodes conventionnelles reposant sur l’analyse du spectre et l’évitement des interférences seront trop lentes, inefficaces et très probablement sous-optimales. L’intuition et la sensation intestinale se perdront très rapidement dans le nombre de permutations disponibles. Graph AI, empruntant la célèbre phrase de la Princesse Leia, est notre seul espoir.

Revenez à la planification de vos vacances. Si vous avez encore du mal à trouver l’itinéraire le plus court, détendez-vous et peut-être n’est-ce pas nécessaire après tout, car parfois le voyage est plus beau que la destination. Quoi qu’il en soit, restez à l’écoute, car nous partagerons plus d’informations sur les applications de la science des données graphiques aux problèmes de réseautage dans nos futurs blogs.