2 分で読了
0 views

シングルキャリア指標変調によるIoT上り伝送

(Single-Carrier Index Modulation for IoT Uplink)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近部下から『IoTの無線はSCIMが良いらしい』と言われて焦っています。要するにうちの現場で電池持ちが良くなる方法でしょうか?導入の利回りが知りたいです。

AIメンター拓海

素晴らしい着眼点ですね!SCIMはSingle-Carrier Index Modulationの略で、簡単に言えば『電力を節約しやすい無線の送信方法』なんですよ。大丈夫、一緒にやれば必ずできますよ。

田中専務

それは分かったつもりですが、うちの現場機器は処理能力もメモリも電池も限られています。現場に持ち込むのに本当に適しているのでしょうか。

AIメンター拓海

その通り、SCIMは特にIoTの上り通信、つまりセンサーから基地局へ送る小さなデータを想定して設計されているんです。要点を三つにまとめますね。処理負荷が低い、ピーク電力が低い、FFTのような重い演算が不要、ですよ。

田中専務

FFTという言葉が出ましたが、それはうちの機器では使えないと先日聞きました。これって要するにシングルキャリアの方が電力効率が良いということ?

AIメンター拓海

良い確認ですね。FFTは高速フーリエ変換、機器側で大きな計算が必要になります。SCIMはその代わりに単一の搬送波(single carrier)を使い、活性化する信号の“場所”で情報を送るイメージですから、結果的に電力効率や実装容易性で有利なんです。

田中専務

では通信の品質やデータの正確性は落ちないのでしょうか。センサーからの小さな報告が欠落するのは困ります。

AIメンター拓海

SCIMはOFDM-IM(Orthogonal Frequency Division Multiplexing with Index Modulation)と比べると、ピーク雑音やパワーの振れ幅が小さいため、アンプの線形性に対する要求が下がり、現場で安定した送信がしやすいんです。ただし復調側での設計は必要で、基地局側での処理を少し増やす代わりに端末を軽くする設計思想です。

田中専務

なるほど。結局うちがやるべきは基地局へコストをかけて端末側を安くする、という発想ですね。投資対効果で見たらどう考えたらいいですか。

AIメンター拓海

良い視点です。投資対効果は三つの観点で整理できます。端末コスト削減、電池交換・保守コストの低減、システム全体の透過性とスケールの取りやすさです。まずは試験導入をして現場データを取り、本格導入判断をするのが現実的ですよ。

田中専務

分かりました。要するに、端末は軽く電池が長持ちするが、基地局側に少し賢さを足すということですね。よし、まずはPOCを提案してみます。ありがとうございました、拓海先生。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
限定された相互作用下での協調学習:分散探索に関する厳密な境界
(Collaborative Learning with Limited Interaction: Tight Bounds for Distributed Exploration in Multi-Armed Bandits)
次の記事
複数の人間的嗜好を同時に学習に組み込む手法
(Multi-Preference Actor Critic)
関連記事
軌道予測の分布シフト下における適合的不確実性定量
(CUQDS: Conformal Uncertainty Quantification under Distribution Shift for Trajectory Prediction)
タンパク質構造の潜在表現を用いた分子拡散モデルにおける推論高速化
(Accelerating Inference in Molecular Diffusion Models with Latent Representations of Protein Structure)
データ駆動型によるロボット付属物と粒状材料の動的相互作用予測
(Data-Driven Prediction of Dynamic Interactions Between Robot Appendage and Granular Material)
リスクを意識した強化学習の報酬整形
(Risk-Aware Reward Shaping of Reinforcement Learning Agents for Autonomous Driving)
学習動態から見たスプリアス特徴の再検討
(Beyond Distribution Shift: Spurious Features Through the Lens of Training Dynamics)
合成データからの形状事前分布を変形して野外での3D表面再構成
(3D Surface Reconstruction in the Wild by Deforming Shape Priors from Synthetic Data)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む