L'Internet of Things (IoT) wireless è una rete di dispositivi in ​​cui ciascun dispositivo può inviare informazioni direttamente a un altro tramite canali di comunicazione wireless, senza intervento umano. Con il numero di dispositivi IoT in aumento ogni giorno, anche la quantità di informazioni sui canali wireless è in aumento. Questo sta causando congestione sulla rete, portando alla perdita di informazioni a causa di interferenze e la mancata consegna delle informazioni. La ricerca per risolvere questo problema di congestione è in corso, e la soluzione più accettata e applicata è la tecnologia "multicanale". Con questa tecnologia, la trasmissione delle informazioni è distribuita tra vari canali paralleli in base al traffico in un determinato canale in un dato momento.

Ma, attualmente, i canali di trasmissione delle informazioni ottimali sono selezionati utilizzando algoritmi che non possono essere supportati dalla maggior parte dei dispositivi IoT esistenti perché sono limitati dalle risorse; cioè., hanno una bassa capacità di archiviazione e una bassa potenza di elaborazione, e deve essere a risparmio energetico pur rimanendo in funzione per lunghi periodi di tempo.

In un recente studio pubblicato su Scienze applicate , un gruppo di scienziati della Tokyo University of Science e della Keio University, Giappone, proporre l'uso di un algoritmo di apprendimento automatico, basato sul modello di tiro alla fune (che è un modello fondamentale, proposto in precedenza dal professor Song-Ju Kim della Keio University, che viene utilizzato per risolvere problemi come quello di come distribuire le informazioni attraverso i canali), per selezionare i canali. "Ci siamo resi conto che questo algoritmo poteva essere applicato ai dispositivi IoT, e abbiamo deciso di implementarlo e sperimentarlo, "Professore Mikio Hasegawa, lo scienziato capo della Tokyo University of Science, dice.

Nel loro studio, hanno costruito un sistema in cui diversi dispositivi IoT erano collegati per formare una rete e ogni dispositivo poteva selezionare solo uno dei tanti canali disponibili attraverso cui trasmettere ogni volta informazioni. Inoltre, ogni dispositivo era limitato dalle risorse. Nell'esperimento, i dispositivi avevano il compito di svegliarsi, trasmettere un'informazione, andare a dormire, e poi ripetere il ciclo un certo numero di volte. Il ruolo dell'algoritmo proposto era quello di consentire ai dispositivi di selezionare ogni volta il canale ottimale, tale che alla fine, il maggior numero possibile di trasmissioni riuscite (cioè, quando tutte le informazioni giungono a destinazione in un unico pezzo) ha avuto luogo.

L'algoritmo si chiama apprendimento per rinforzo e svolge il compito in questo modo:ogni volta che un'informazione viene trasmessa attraverso un canale, rileva la probabilità di ottenere trasmissioni di successo tramite quel canale, in base al fatto che l'informazione raggiunga completamente e accuratamente la sua destinazione. Aggiorna questi dati ad ogni trasmissione successiva.

I ricercatori hanno utilizzato questa configurazione anche per verificare a) se l'algoritmo ha avuto successo, b) se fosse imparziale nella selezione dei canali, e c) se potrebbe adattarsi alle variazioni di traffico in un canale. Per le prove, è stato costruito un sistema di controllo aggiuntivo in cui a ciascun dispositivo è stato assegnato un particolare canale e non è stato possibile selezionare nessun altro canale durante la trasmissione delle informazioni. Nel primo caso, alcuni canali erano congestionati prima di iniziare l'esperimento, e gli scienziati hanno scoperto che il numero di trasmissioni riuscite era maggiore quando veniva utilizzato l'algoritmo, al contrario di quando non lo era. Nel secondo caso, alcuni canali si sono congestionati quando l'algoritmo non è stato utilizzato, e le informazioni non possono essere trasmesse attraverso di loro dopo un certo tempo, causando "ingiustizia" nella selezione del canale. Però, quando gli scienziati hanno usato l'algoritmo, la selezione del canale è risultata corretta. I risultati per il terzo caso chiariscono quelli per i due casi precedenti:quando è stato utilizzato l'algoritmo, i dispositivi hanno iniziato automaticamente a ignorare un canale congestionato e lo hanno riutilizzato solo quando il traffico in esso è diminuito.

"Abbiamo ottenuto la selezione del canale con una piccola quantità di calcolo e un algoritmo di apprendimento automatico ad alte prestazioni, " Ci dice il professor Hasegawa. Anche se questo significa che l'algoritmo ha risolto con successo il problema della selezione del canale in condizioni sperimentali, resta da vedere la sua sorte nel mondo reale. "Esperimenti sul campo per testare la robustezza di questo algoritmo saranno condotti in ulteriori ricerche, " affermano gli scienziati. Hanno anche in programma di migliorare l'algoritmo nella ricerca futura prendendo in considerazione altre caratteristiche della rete, come la qualità della trasmissione del canale.

Il mondo si sta rapidamente spostando verso enormi reti IoT wireless con un numero crescente di dispositivi che si connettono su canali wireless a livello globale. Ogni possibile organizzazione o studioso sta cogliendo l'opportunità di questo momento nella storia del tempo per risolvere il problema della selezione del canale e anticipare il gioco. Il Prof Hasegawa e il suo team sono riusciti a fare uno dei primi passi in gara. Il futuro dell'alta velocità, la trasmissione di informazioni wireless senza errori potrebbe essere vicina!