機器學習方案將幫助不同的無線電協議，如 Wi-Fi 和 LTE，在同一的無線頻譜中更有效地協同工作。

美國國家標準與技術研究所(NIST)開發的機器學習方案有可能顯著改善 5G 和其他無線網絡選擇和共享通信頻率的方式。研究人員聲稱，與試錯法相比，NIST 的方案可以使共享通信頻率的過程的效率提高多達 5000 倍。

NIST 系統的理念是，無線電設備可以從經驗中學習其網絡環境，而不是像現在這樣，簡單地根據試錯法選擇頻率信道。

NIST 在 其網站上的一篇文章 中說，在特定的環境條件下，“該算法可以學習哪個信道提供最好的結果”。

該團隊說:“該方案可以被編程到現實世界中許多 [不同] 類型網絡的發射機軟件中。”

從本質上講，這個計算機模擬的算法是一個映射環境射頻條件的先前經驗的公式。例如，這些條件可以包括在一個信道(一組相鄰的頻率)內運行的發射機的數量。

文章說：“……如果發射機選擇了一個未被占用的信道，那么成功傳輸的概率就會上升，從而導致更高的數據速率。”同樣地，當發射機選擇一個沒有太多干擾的信道時，信號會更強，你也會得到更好的數據速率。發射機會記住哪個信道提供了最佳結果，并學會在下次需要清晰信號時學會選擇那個位置。

這與今天的工作方式不同。也就是說，無線電只是試圖找到一個開放頻率，然后與類似協議的無線電進行通信。在復雜的情況下，使用諸如 Wi-Fi、跳頻和 波束成形 等技術來優化信道。

研究人員解釋說，NIST 的機器學習技術的亮點在于共享頻譜，比如通過授權頻譜輔助接入(LAA)共享 Wi-Fi。LAA 是非授權頻譜中的 LTE 頻譜，稱為 LTE-U，頻率為 5GHz。在相同頻率下的 Wi-Fi 與 LAA 的組合中，協議是不同的：無線電之間不能相互通信以協調工作，而且頻帶越繁忙就可能出現混亂 —— 傳輸會遇到其他傳輸。但是，如果所有的無線電接收機都能更好地選擇它們的占位，通過學習哪些有效，哪些無效，那么這將會更好。

NIST 工程師 Jason Coder 在文章中說：“這可能會使非授權頻段的通信更加高效。”

事實上，NIST 聲稱，它“可以幫助 5G 和其他無線網絡選擇和共享通信頻率，其效率大約是試錯法的 5000 倍。”

這里的關鍵詞是“共享”，因為為了在有限的頻譜內增加通信，必須進行更多的共享 —— 物聯網或媒體流等用戶都在爭奪同樣的隱喻資產。隨著物聯網和數字技術的不斷發展，非授權和授權頻段的結合，就像 LAA 中的情況一樣，可能會變得更加普遍。(非授權的頻段是指那些沒有分配給特定用戶的頻段，比如移動網絡運營商;授權頻段是在拍賣中中標并分配的。)

在 NIST 場景中，相互競爭的發射機“各自學習在不相互通信的情況下最大化網絡數據速率”。因此，多種協議和數據類型，如視頻或傳感器數據，或 Wi-Fi 和移動網絡，可以相互協作。

NIST 的方案大大簡化了為發射機分配最佳信道的過程，根據這篇文章研究發現，窮盡努力 [使用試錯法] 來確定最佳解決方案需要大約 45600 次試驗，而這個方案只需要嘗試 10 個渠道就可以選擇類似的解決方案，僅僅付出 0.02% 的努力。”

NIST 的研究人員在 IEEE 第 91 屆車輛技術會議上展示了他們的研究成果。