图：NIST研究人员开发了机器学习的数学计算公式帮助5G和其它无线网络选择并有效共享通信频率
美国国家标准与技术研究院（NIST）的研究人员研发出一种数学公式，计算机模拟显示该公式可以帮助5G和其他无线网络在选择和共享通信频率时提高约5000倍的效率。
新公式是机器学习的形式，它可以根据特定网络环境中之前的经验来选择一个无线信道，该公式可以编进许多类型的现实网络发射器软件中。
该公式是通过共享未经许可的频段来满足对5G等无线系统不断增长需求的一种方式。比如，Wi-Fi使用的是美国联邦通信委员会未分配给特定用户的频段。NIST的研究重点是Wi-Fi与单元系统争夺特定频率或子信道的情况。使这种情况具有挑战性的是，这些单元系统正在通过使用结合了非许可频段和许可频段的许可辅助访问（LAA）方法来提高其数据传输速率。
NIST公式帮助发射器快速选择最佳子信道，在未许可频段内同时成功运行Wi-Fi和LAA网络。每个发射器都会在没有互相通信的情况下实现总的网络数据速率最大化。
NIST此项研究与以往的通信机器学习研究不同，它考虑了多个网络“层”，物理设备以及基站和接收器之间的信道访问规则。该公式使用了“ Q学习”技术。通过与环境交互并尝试不同的方法，通过算法了解哪个信道反馈最佳结果。每个发射器都会选择在特定环境条件下产生最佳数据速率的信道。
如果两个网络都选择了合适的信道，组合整体网络环境的效率将得到提高。该方法通过两种方式提高数据速率。具体来说，如果发射器选择了未被占用的信道，那么成功传输的可能性就会增加，从而实现更高的数据速率。而且，如果发射器选择的信道受到的干扰最小，信号就更强，从而实现更高的接收数据速率。
在计算机模拟时，通过搜索所有可能的组合以找到使总网络数据速率最大化的方法，最优分配法将信道分配给发射器。NIST公式产生的结果接近最佳值，但过程要简单得多。研究发现，如果通过传统的复杂方式找到最佳解决方案，大约需要进行45,600次试验，而公式可以通过尝试10个信道来选择类似的解决方案，仅需付出相同努力的0.02％。
该研究针对的是多个Wi-Fi接入点的建筑物室内以及在未经许可频段内进行手机操作的情况。现在，研究人员计划在更广阔的室外场地对该方法进行建模，并开展物理实验以证明其效果。
