Grant: Alliance Grants
McGill University
$36,745.00
AI-Based transceivers for massive MIMO wireless communications
FY 2021-22
Summary
Demands for throughput and latency improvements in 5G-and-beyond wireless networks continue to grow at an increasing pace, boosted by new multi-media and social network applications, and new types of massive connectivity such as machine-to-machine (M2M). To meet these growing demands, the use of massive multiple-input multiple-output (M-MIMO) systems operating in the mmWave and THz bands has been recently considered. However, the design of multi-user (MU) M-MIMO transceivers with large-scale antenna arrays (LSAAs) for optimal operation under complex radio conditions and user patterns poses formidable problems, seemingly intractable by traditional means. Artificial intelligence (AI) and machine learning (ML) have the potential to overcome this challenge by exploiting all possible side information relevant to intelligent transceiver signal processing and operations. This proposed 3-year research in collaboration with InterDigital Canada is aimed at studying and developing new AI-enabled transceiver design techniques and algorithms for MU-M-MIMO communications in sub-6GHz, mmWave and THz bands. Cutting-edge ML approaches, especially deep learning (DL) architectures that employ multiple hidden processing layers to learn complex non-linear relationships from large amount of data, will be a corner stone of our work. In recent years, InterDigital has taken a leading role in the development of new technologies for 5G wireless and, as part of this initiative, it will support our research activities through cash and in-kind contributions. AI-enabled MU-M-MIMO transceivers in sub-6GHz, mmWave and THz bands will bridge the performance gap between existing 4G technology and future 5G-and-beyond wireless networks. The proposed research is of great importance to InterDigital and Canada: it will empower the company with critical knowledge and expertise in the key area of AI-enabled wireless networking, and help our country maintain a strategic position in the development, standardization and commercialization of advanced information and communications technologies.#(cr)#(lf)Les demandes d'amélioration du débit dans les réseaux sans fil 5G et au-delà continuent de croître à un rythme soutenu, stimulées par de nouvelles applications multimédias, les réseaux sociaux, et de nouveaux types de connectivité tels que machine-à-machine (M2M). Pour répondre à ces besoins, l'utilisation de systèmes massifs à entrées-multiples et sorties-multiples (M-MIMO) fonctionnant dans les bandes mmWave et THz a été récemment envisagée. Cependant, la conception d'émetteurs-récepteurs M-MIMO multi-utilisateurs (MU) avec réseaux d'antennes à grande échelle afin d'assurer un fonctionnement optimal sous des conditions radio et schémas d'utilisateur complexes pose d'immenses problèmes. L'intelligence artificielle (IA) et l'apprentissage automatique (ML) ont le potentiel de surmonter ce défi en exploitant toutes les informations secondaires possibles concernant les opérations d'un émetteur-récepteur intelligent. La recherche proposée de 3 ans en collaboration avec InterDigital Canada vise à étudier et développer de nouvelles techniques et algorithmes de conception d'émetteurs-récepteurs utilisant l'IA pour les communications MU-M-MIMO dans les bandes sous-6GHz, mmWave et THz. Les architectures d'apprentissage profond (DL) utilisant plusieurs couches de traitement cachées pour apprendre des relations non linéaires complexes à partir d'une grande quantité de données, seront à la base de nos travaux. Ces dernières années, InterDigital a joué un rôle de premier plan dans le développement de nouvelles technologies sans fil 5G; dans le cadre de cette initiative, elle soutiendra nos activités grâce à des contributions en espèces et en nature. Les émetteurs-récepteurs MU-M-MIMO intelligents dans les bandes sous-6GHz, mmWave et THz combleront l'écart de performance entre la technologie 4G existante et les futurs réseaux sans fil 5G et au-delà. La recherche proposée revêt une gran
Program
Alliance Grants
Recipient
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
NSERC's Awards Data
As published
Application id
555846-2020
Name nom
Le-Ngoc, Tho
Department département
Electrical and Computer Engineering
Organization id
61
Institution établissement
McGill University
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2021
Competition year année de concours
2020
Award amount
36745
Program id
ALLRP
Program name en
Alliance Grants
Program name fr
Subventions Alliance
Group en
Research partnerships programs
Group fr
Programmes de partenariat
Committee code
96
Committee name en
RPP Internal Decision Cttee
Committee name fr
Cté de décision interne - PPR
Area of application code
804
Area of application group en
Information and communication services
Area of application group fr
Services d'information et de télécommunications
Area of application en
Communication systems and services (planning, organization, services)
Area of application fr
Systèmes et services de communications (planification, organisation et services)
Research subject code
2525
Research subject group en
Electrical and electronic engineering
Research subject group fr
Génie électrique et électronique
Research subject en
Wireless communication systems
Research subject fr
Systèmes de télécommunications sans fil
Installment
inst:2
Partie
1
Nb partie
3
Application title
AI-Based transceivers for massive MIMO wireless communications
Keyword
NSERC
Application summary
Demands for throughput and latency improvements in 5G-and-beyond wireless networks continue to grow at an increasing pace, boosted by new multi-media and social network applications, and new types of massive connectivity such as machine-to-machine (M2M). To meet these growing demands, the use of massive multiple-input multiple-output (M-MIMO) systems operating in the mmWave and THz bands has been recently considered. However, the design of multi-user (MU) M-MIMO transceivers with large-scale antenna arrays (LSAAs) for optimal operation under complex radio conditions and user patterns poses formidable problems, seemingly intractable by traditional means. Artificial intelligence (AI) and machine learning (ML) have the potential to overcome this challenge by exploiting all possible side information relevant to intelligent transceiver signal processing and operations. This proposed 3-year research in collaboration with InterDigital Canada is aimed at studying and developing new AI-enabled transceiver design techniques and algorithms for MU-M-MIMO communications in sub-6GHz, mmWave and THz bands. Cutting-edge ML approaches, especially deep learning (DL) architectures that employ multiple hidden processing layers to learn complex non-linear relationships from large amount of data, will be a corner stone of our work. In recent years, InterDigital has taken a leading role in the development of new technologies for 5G wireless and, as part of this initiative, it will support our research activities through cash and in-kind contributions. AI-enabled MU-M-MIMO transceivers in sub-6GHz, mmWave and THz bands will bridge the performance gap between existing 4G technology and future 5G-and-beyond wireless networks. The proposed research is of great importance to InterDigital and Canada: it will empower the company with critical knowledge and expertise in the key area of AI-enabled wireless networking, and help our country maintain a strategic position in the development, standardization and commercialization of advanced information and communications technologies.#(cr)#(lf)Les demandes d'amélioration du débit dans les réseaux sans fil 5G et au-delà continuent de croître à un rythme soutenu, stimulées par de nouvelles applications multimédias, les réseaux sociaux, et de nouveaux types de connectivité tels que machine-à-machine (M2M). Pour répondre à ces besoins, l'utilisation de systèmes massifs à entrées-multiples et sorties-multiples (M-MIMO) fonctionnant dans les bandes mmWave et THz a été récemment envisagée. Cependant, la conception d'émetteurs-récepteurs M-MIMO multi-utilisateurs (MU) avec réseaux d'antennes à grande échelle afin d'assurer un fonctionnement optimal sous des conditions radio et schémas d'utilisateur complexes pose d'immenses problèmes. L'intelligence artificielle (IA) et l'apprentissage automatique (ML) ont le potentiel de surmonter ce défi en exploitant toutes les informations secondaires possibles concernant les opérations d'un émetteur-récepteur intelligent. La recherche proposée de 3 ans en collaboration avec InterDigital Canada vise à étudier et développer de nouvelles techniques et algorithmes de conception d'émetteurs-récepteurs utilisant l'IA pour les communications MU-M-MIMO dans les bandes sous-6GHz, mmWave et THz. Les architectures d'apprentissage profond (DL) utilisant plusieurs couches de traitement cachées pour apprendre des relations non linéaires complexes à partir d'une grande quantité de données, seront à la base de nos travaux. Ces dernières années, InterDigital a joué un rôle de premier plan dans le développement de nouvelles technologies sans fil 5G; dans le cadre de cette initiative, elle soutiendra nos activités grâce à des contributions en espèces et en nature. Les émetteurs-récepteurs MU-M-MIMO intelligents dans les bandes sous-6GHz, mmWave et THz combleront l'écart de performance entre la technologie 4G existante et les futurs réseaux sans fil 5G et au-delà. La recherche proposée revêt une gran