Tóm tắt Luận án Tiến sĩ: Nghiên cứu nâng cao hiệu quả truyền dẫn thông tin di động nhờ học máy

Trong bối cảnh chuyển đổi số đang diễn ra mạnh mẽ trên mọi lĩnh vực, ngành viễn thông, đặc biệt là thông tin di động, cũng không nằm ngoài xu hướng này. Nhu cầu về tốc độ dữ liệu cao, độ khả dụng và độ trễ thấp ngày càng trở nên quan trọng. Để đáp ứng xu thế này, các nhà mạng cần liên tục tối ưu hóa mạng lưới và vận hành khai thác. Sự phát triển vượt bậc của trí tuệ nhân tạo (AI) và học máy (ML) trong cuộc cách mạng công nghiệp 4.0 đã mở ra nhiều ứng dụng tiềm năng, hứa hẹn mang lại những đột phá trong việc nâng cao chất lượng truyền thông và vận hành mạng lưới di động trong tương lai.

Luận án hướng tới các nhà nghiên cứu, kỹ sư, chuyên gia trong lĩnh vực kỹ thuật viễn thông, trí tuệ nhân tạo và học máy, đặc biệt là những người quan tâm đến việc ứng dụng các công nghệ tiên tiến để nâng cao hiệu quả truyền dẫn thông tin di động, tối ưu hóa mạng lưới và phát triển các giải pháp bảo mật cho các thế hệ mạng di động tương lai như 5G và 6G, cũng như truyền thông UAV.

Luận án này tập trung nghiên cứu và phát triển các giải pháp nâng cao hiệu quả truyền dẫn thông tin di động thông qua ứng dụng học máy (Machine Learning - ML) và trí tuệ nhân tạo (AI). Bối cảnh nghiên cứu xuất phát từ sự phát triển nhanh chóng của các thế hệ mạng di động (2G, 3G, 4G/LTE, 5G/NR và 6G) cùng với nhu cầu ngày càng tăng về tốc độ, dung lượng và độ tin cậy của truyền thông. Luận án nhấn mạnh vai trò của AI/ML trong việc tối ưu hóa vận hành và khai thác mạng lưới, giải quyết các thách thức về quản lý tài nguyên, dự đoán hành vi mạng và nâng cao chất lượng dịch vụ.

Các mục tiêu chính của luận án bao gồm: nghiên cứu thuật toán và phát triển mô hình mạng nơ-ron tuyến tính để dự báo hành vi của các node mạng trong thông tin di động dựa trên dữ liệu thực tế từ Hệ thống hỗ trợ vận hành (OSS); đánh giá hiệu năng của các mô hình học máy trong việc dự báo số lượng thuê bao theo công nghệ di động; và đặc biệt là nghiên cứu, đề xuất, thiết kế mô hình mạng nơ-ron để nâng cao chất lượng định hướng chùm tia 3D (3D beamforming) từ trạm mặt đất đến thiết bị bay không người lái (UAV) nhằm cải thiện hiệu năng bảo mật trong truyền thông UAV, một công nghệ then chốt của mạng 6G và sau 6G.

Luận án đã đạt được nhiều kết quả quan trọng, cả về lý thuyết và thực tiễn. Về lý thuyết, luận án đã xây dựng mô hình mạng nơ-ron tuyến tính (LNN) và ARIMA để phân tích, dự đoán hành vi eNodeB và số lượng thuê bao với độ chính xác cao. Đặc biệt, luận án đề xuất và thiết kế mạng nơ-ron DAE (DAENN) để giải quyết bài toán nâng cao chất lượng 3D beamforming trong truyền thông UAV, có xét đến điều kiện thông tin kênh truyền không hoàn hảo. Các kết quả mô phỏng cho thấy phương pháp DAENN vượt trội về tốc độ bảo mật trung bình (ASR) và có độ phức tạp tính toán thấp hơn so với các phương pháp trước đây. Về thực tiễn, các mô hình nghiên cứu đã được mở rộng để thực hiện các đề tài khoa học công nghệ và sáng kiến, góp phần nâng cao hiệu quả vận hành và tối ưu chất lượng mạng tại các nhà mạng, phù hợp với định hướng chuyển đổi số quốc gia. Luận án cũng đã công bố các kết quả nghiên cứu trên các tạp chí và hội thảo khoa học quốc tế uy tín.