di Redazione
Si è svolta ad Alcalá de Henares, in Spagna, la settima edizione della International Conference on Communications, Signal Processing, and their Applications (ICCSPA’26), appuntamento internazionale dedicato alla ricerca nelle comunicazioni, nel networking e nel signal processing.
Il programma scientifico ha affrontato un ampio spettro di temi, tra cui reti autonome, wireless sensing, comunicazioni Sub-THz, reti 5G per contenuti immersivi, reti non terrestri (NTN), comunicazioni satellitari, sicurezza delle reti, Internet of Things ed edge computing, qualità video, propagazione radio, tecnologie quantistiche, sistemi di localizzazione, networking di nuova generazione, applicazioni dell’intelligenza artificiale ai sistemi sanitari e comunicazioni subacquee.
La Fondazione Ugo Bordoni ha partecipato alla conferenza con un contributo presentato nell’ambito della Technical Session 6, dedicata a RF Propagation and Edge Networking. Il lavoro “Low-Latency Relay Selection in NR-V2X Vehicular Communications via Graph Isomorphism Networks with Edge Features” è stato premiato il 17 giugno scorso con il Distinguished Paper Award, riconoscimento assegnato dai Chair del Technical Program Committee ai migliori lavori della conferenza, che in quest’edizione ha ospitato 62 contributi scientifici.
Certificato della premiazione ICCSPA’26 “Distinguished Paper Award”
La ricerca – dedicata all’ottimizzazione della selezione dei relay nelle comunicazioni veicolari per garantire la minima latenza – è stata sviluppata dal team FUB composto dai ricercatori Giambattista Amati, Federica Mangiatordi, Simone Angelini, Emiliano Pallotti e Pierpaolo Salvo, con la collaborazione di Paola Vocca dell’Università di Tor Vergata.
Il lavoro introduce un framework di apprendimento neurale sui grafi, basato su un modello Graph Isomorphism Network with Edge Features (GINE), che sostituisce algoritmi combinatori particolarmente onerosi, come il Mixed Integer Linear Programming (MILP), con un processo di inferenza neurale molto più rapido.
Ricercatore FUB Gianni Amati durante la presentazione del paper all’ICCSPA’26
A differenza delle Graph Neural Networks tradizionali, il modello mappa esplicitamente la capacità dei collegamenti a livello radio sugli edge dei grafi, consentendo alla rete neurale di apprendere percorsi ottimali per effettuare i relay. Le previsioni del modello GINE vengono quindi utilizzate per ridurre lo spazio di ricerca del MILP, raggiungendo il gold standard dell’ottimalità matematica in meno di 30 millisecondi. Questo risultato rende l’ottimalità compatibile con i requisiti di latenza delle comunicazioni NR-V2X.
Il coordinamento multi-hop sviluppato nel lavoro permette inoltre di ripristinare la connettività dei veicoli che, in scenari urbani ad alta densità, rimarrebbero altrimenti isolati nei cosiddetti urban canyon. Il lavoro apre nuove prospettive per l’applicazione del deep learning ai problemi di networking con grafi dinamici e ad altre sfide di ottimizzazione.
Ricercatore FUB Gianni Amati durante la presentazione del paper all’ICCSPA’26
Principali temi della Conferenza
- Reti autonome e trend di mercato: Miguel Santos (Keynote) ha esplorato le opportunità emergenti nelle reti autonome.
- Wireless sensing: Joerg Widmer (Keynote) ha approfondito il passaggio dalla localizzazione all’imaging coerente tramite sensori wireless.
- Comunicazione e sensing sopra i 100 GHz: sessione dedicata alle frontiere dei Sub-THz, con studi sull’allocazione del traffico, la resilienza angolare e la localizzazione in campo vicino tramite fasci di Bessel.
- Contenuti immersivi su reti 5G: approfondimenti su casi d’uso avanzati come la guida teleoperata, i contenuti volumetrici per l’insegnamento e il controllo di avatar in tempo reale tramite XR.
- Reti Non Terrestri (NTN): analisi delle prestazioni di antenne per reti cellulari basate su HAPS, elaborazione di immagini tramite UAV per la classificazione e implementazione di handover in ambito satellitare.
- Comunicazioni satellitari e posizionamento wireless: con focus sull’integrazione di satelliti MEO e LEO per il posizionamento di veicoli terrestri.
- Sicurezza e robustezza delle reti: analisi di metodi per l’individuazione di intrusioni di rete e massimizzazione dei tassi di segretezza nei sistemi MISO.
- IoT ed Edge-Computing: approfondimenti sulle reti di sensori wireless in ambito urbano e l’uso dell’intelligenza artificiale per i messaggi sonori nell’Internet of Audio Things.
- Qualità video e ottimizzazione: modelli basati su reti neurali per la predizione della qualità (MOS) nello streaming video mobile.
- Mobilità di rete e sistemi autonomi: caratterizzazione dell’attività Wi-Fi e gestione delle flotte di veicoli elettrici autonomi.
- Propagazione RF: sessione che ha ospitato il contributo FUB sulla selezione dei relay a bassa latenza.
- Tecnologie quantistiche: Rafael Cantó Palancar (Keynote) ha discusso l’operazionalizzazione delle tecnologie quantistiche all’interno delle reti di telecomunicazioni.
- Localizzazione, sensing e navigazione: focus sulla navigazione autonoma in tempo reale ad alta precisione e sui limiti fisici della localizzazione basata sulla distanza.
- Next-Gen Networking: sessione molto densa che ha trattato l’innovazione nell’Open Networking, il VLC-NOMA per il downlink, la diagnostica delle reti O-RAN e l’uso di Large Language Models (LLM) come interfacce per le operazioni di rete.
- Sistemi sanitari guidati dall’IA: applicazioni dell’intelligenza artificiale per la diagnosi dell’apnea notturna ostruttiva, della malaria e l’ottimizzazione delle trasmissioni in reti sanitarie immersive.
- Comunicazioni subacquee: caratterizzazione del rumore costiero, architetture basate su Sigfox per estendere la durata delle reti di sensori acustici e metodi di correzione della voce in ambienti iperbarici (helium speech) tramite reti neurali.
Contributi di particolare rilievo
Tra i contributi presentati durante la conferenza meritano particolare attenzione due lavori firmati dai ricercatori della University of Arizona e della Arizona State University.
Il primo, Energy-Efficient Low-Latency Protocol and Modulation Classification for Edge Devices, propone un framework di apprendimento automatico a due stadi per identificare in tempo reale protocolli (Wi-Fi 6, LTE e 5G) e relative modulazioni. L’elemento innovativo consiste nell’impiego del sistema numerico Posit a 8 bit in sostituzione della rappresentazione in virgola mobile (FP32), ottenendo una riduzione dell’occupazione di memoria del 50% e dei consumi energetici compresa tra il 25% e il 50% sui processori edge, senza penalizzare l’accuratezza della classificazione. Autori: Md Rabiul Hossain (University of Arizona, USA), Ayushi Dube (Arizona State University, USA), Arush S. Sharma (University of Arizona, USA), Gian Singh (Arizona State University, USA), Marwan Krunz (University of Arizona, USA), Sarma Vrudhula (Arizona State University, USA).
Il secondo, SAIL: Unsupervised Spatial-Angular Interpretable Feature Learning for RF Map Synthesis, presenta SAIL, un framework basato su reti generative avversarie (GAN) per la sintesi controllata di mappe a radiofrequenza. A differenza degli approcci tradizionali, il sistema apprende in modo non supervisionato variabili latenti interpretabili, quali la posizione del trasmettitore e l’angolo del fascio, direttamente da mappe non etichettate. Il metodo consente di generare rapidamente mappe RF ad alta fedeltà, con prestazioni statisticamente coerenti con le simulazioni di ray tracing. Autori: Sopan Sarkar (University of Arizona, USA) e Marwan Krunz (University of Arizona, USA).