6G 向け AI-Driven ネットワーク制御の実証

最近発表したとおり、VIAVI と NTT ドコモは、次世代 6G 移動通信用の AI-driven 無線アクセスネットワーク（RAN）制御を実証する共同研究を成功裏に完了しました。

実証実験は、東京駅周辺の複数の基地局をモデル化したシミュレーション環境で実施されました。予測には TeraVM AI RAN シナリオジェネレーター（AI RSG）が使用され、測定データはデジタルツインによって生成されました。

本ブログでは、この画期的な研究についてさらに詳しく解説します。この研究では、ドコモの自己認識ネットワークのコンセプトにより、従来のネットワーク品質測定や UE レポートの必要性を大幅に削減できることが示されています。さらに、高品質で信頼性の高い実世界データに基づく、用途に応じて最適化されたネットワークデジタルツインや AI 搭載シミュレーターなどのインテリジェント技術により、極めて効率的なネットワーク制御が可能になります。

この成果は、3 月 2 日から 5 日までスペインのバルセロナで開催されるMobile World Congress (MWC) Barcelona 2026 の VIAVI ブース（5B18）で展示されます。

ドコモの自己認識ネットワーク

自己認識ネットワークは、ドコモが掲げる 6G の主要な価値の一つを実現するために提唱された技術です。「ネットワークのための AI」 自己認識ネットワークは、AI とデジタルツイン技術を活用することで、多様な無線環境において、制御オーバーヘッドの削減などを通じてネットワークのパフォーマンスと効率の向上を目指しています。

具体的には、位置情報や電波伝搬特性などのデータを用いて、デジタルツイン環境内でネットワーク品質を評価します。その後、これらの評価結果に基づいてネットワーク制御が実行されます。このアプローチにより、ユーザー機器（UE）による従来のネットワーク品質測定やレポートの必要性が大幅に削減され、極めて効率的なネットワーク制御が可能になると同時に、スペクトラム効率も向上します。

自己認識ネットワークに基づく基地局のビーム制御

従来のビームフォーミングでは、基地局はユーザー機器から報告されるネットワーク品質の測定値に基づいて、送信ビームを選択・制御します。本研究では、AI ベースのネットワーク品質予測を活用することで効率性が向上し、その結果、UE による測定およびレポートの頻度を削減できることを実証しています。

実証実験は、東京駅周辺の複数の基地局をモデル化したシミュレーション環境で実施されました。各基地局は、ネットワーク品質に基づいて、8 つの候補ビームの中から各 UE に最適なビームを選択します。

従来の方式では、ビーム選択は UE から報告されたネットワーク品質の測定値に基づいて行われていました。提案方式では、UE による測定およびレポートの頻度を削減し、その代わりに、AI ベースの予測とデジタルツインから取得したネットワーク品質の測定値を組み合わせてビーム選択を行います。デジタルツインから取得した測定値は、トレーニング、または AI モデル推論への入力として使用されます。

この研究において、VIAVI は自社のデジタルツインおよび TeraVM AI RAN シナリオジェネレーター（AI RSG）ネットワークシミュレーターを用いて、自己認識ネットワークのコンセプトを評価しました。

提案方式は、従来方式と比較して最適なビーム選択を実現できることが確認されました。さらに、無線制御オーバーヘッドを削減することで、提案方式ではアップリンクスループットが約 20% 向上しました。これらの結果は、デジタルツインおよび AI 技術の活用により、UE のネットワーク品質測定およびレポートの頻度を大幅に削減し、制御オーバーヘッドを低減できることを示しています。