A Modular framework for AI/ML applied to B5G V2X networks co-simulations

O uso de inteligência artificial é um recurso chave para as novas gerações de comunicações móveis, já que com a evolução das gerações os sistemas vem ficando cada vez mais complexos para conectar cada vez mais usuários com taxas mais altas de transmissão, porém isto normalmente requer grandes bancos de dados para o treinamento de modelos inteligência artificial de alta qualidade. Devido aos custos para coletar medições reais, especialmente em cenários veiculares e aéreos, esta dissertação propõe uma metodologia modular onde é possível combinar diferentes simuladores para produzir banco de dados realistas para V2X e comunicações aéreas celulares. A metodologia também traz a possibilidade de treinar modelos de inteligência artificial integrados com as simulações. Além disso, este trabalho detalha análises para o uso de CPU e para o tempo de simulação em diferentes cenários, os resultados de um caso de uso mostrando os dados que podem ser extraídos das combinações dos simuladores utilizados também é discutido, mostrando que o com o uso de técnicas de computação paralela o tempo necessário para executar as simulações pode ser reduzido em aproximadamente cinco vezes.