Loading [MathJax]/extensions/tex2jax.js
スキップしてメイン コンテンツに移動

『60分でわかる! 5Gビジネス 最前線』☆4

昨年くらいからニュースでよく見るようになった次世代携帯通信規格である5Gの全体像がさらっとわかる本。3G→4Gになったことで携帯電話でできることが聴覚(電話)から視覚(動画)に拡張されました。5Gになると触覚(遠隔操作とか)に拡張され、嗅覚・味覚への拡張は6G以降かな、というのが僕の持論です。

↑気になったらここからポチっと(買ってくれるとお小遣いが入ります)↑

この本を読むとわかること

5Gの基本

  • 5Gの特徴は高速大容量通信(4Gの100倍)・低遅延・多数同時接続
    • 高速大容量通信:送信できる情報量が増えることによるVR・AR、8K映像などコンテンツのリッチ化
    • 低遅延:リアルタイム化
    • 多数同時接続:IoTの普及(特に一次産業)
  • IoTインフラとして5Gが本命視されたことで各国で開発導入競争が勃発
  • 日本政府が重視している5Gによる「社会課題の解決」と「地方創生」
  • 研究が進むもう一つの高速無線通信規格「Wi-Fi 6」

5Gで変わる生活やビジネス

  • 高速大容量通信:「XR」と呼ばれるVR(仮想現実)・AR(拡張現実)・MR(複合現実)
  • 低遅延:自動運転・遠隔運転・遠隔手術・クラウドゲーミング・ドローンの遠隔操作
    • クラウドゲーミング:高速なネットワークを利用し、ゲームの処理全てをクラウドで行う(高性能なゲーム専用機が不要になる)
    • ドローン:携帯電話網を使った「セルラードローン」の取り組み
  • 多数同時接続:1次産業のデジタル化・スマートファクトリー
    • 1次産業のデジタル化:センサー・クラウドデータセンター・AIを使った農業・漁業における勘や経験のモデル化
    • スマートファクトリー:センサーによる工場の各機器の見える化、海外では日本以上に導入が進む

5Gを支える技術

  • 「5G NR(New Radio)」と呼ばれる新しい周波数帯と帯域幅
  • 5Gでも使われる4Gの周波数分割多重方式のデータ送受信と、「電力」という軸を加えたさらなる高速化の模索
  • 混み合うと基地局内で順番待ちが発生する現在の方式と、アンテナの数を増やして同時接続数を増やす新しい「Massive MIMO」方式
  • ターゲットの端末に電波を絞って照射する「ビームフォーミング」
  • ネットワークを効率よく利用するための「ネットワークスライシング」
    • 低遅延用・高速大容量用・IoT用など、目的ごとにネットワークの幅を仮想的に分割
  • 特定の場所や用途で使われる「ローカル5G」
    • 独立して運用されるので導入しやすい・周辺環境に左右されないのがメリット

5Gを取り巻くベンダーやキャリア

  • エリクソン・ノキアなどの北欧勢と、ファーウェイなど中国勢による5Gの主導権争い
    • 2GにおけるGSM、3GにおけるW-CDMAなど携帯電話技術の牽引役となってきた北欧勢
    • 4Gにおいて技術力と低価格を武器に急速に台頭した中国勢
  • 5Gスマホを中心とした「マイネットワーク構想」を進めるサービス開発重視のNTTドコモ
    • 世界初の3Gネットワークを導入したもののデバイスやサービスの開発が追い付かなかった過去を反省した「急がない」戦略
  • 汎用チップメーカーとして先頭を走る米クアルコム
    • 技術力・特許に加えて、多くの携帯キャリアと深い関係性を築いているのがクアルコムの強み
  • 専用チップメーカーとして台頭する中国ハイシリコン(ファーウェイ子会社)と韓国サムスン
    • ファーウェイの強みは通信機器と端末の両方を手掛け、チップも開発できるという総合力
  • 5Gのチップ開発に出遅れ5Gチップ事業をアップルに売却したインテル
    • チップから撤退し、モバイルエッジコンピューティングサーバーなど通信設備関連に戦略を転換
  • 国内のMaaSの大本命であるトヨタ・ソフトバンク連合「モネ・テクノロジーズ」
    • ホンダや日野自動車も合流
  • Googleが提供を開始したクラウドゲームサービス「STADIA」
    • クラウドでの高い計算力を生かし、性能の低いハードでも本格的なゲームが楽しめるというゲームチェンジャーの可能性

5Gが実現する未来と課題

  • 「端末の値引き禁止」によって普及が遅れるかもしれない日本の5G
    • 5G向けスマホは10万円前後するため端末価格が普及のネックになりうる
  • 基地局設置コストの課題を解決するキャリア間の「インフラシェアリング」
    • 地方のインフラを整備する切り札
    • KDDIとソフトバンクが基地局の相互利用を発表
  • 5Gとともに普及が予想される「eSIM」
    • 現状のキャリアから送られてくる物理的なSIMではなく、あらかじめ機器に組み込まれた遠隔で書き換え可能なSIM

↓気になったらここからポチっと(買ってくれるとお小遣いが入ります)↓

ベストビュー(過去1カ月)

『動物たちのすごいワザを物理で解く』☆4

生物×物理という着眼点の面白い本。なぜヤモリは天井にへばりつけるのかや、百発百中のテッポウウオの視界、温かい生き物の血を吸う蚊の驚きの排熱メカニズムなど、生き物の不思議を物理の視点で解説してくれます。子どもにドヤ顔で話せるようになると思います。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day2:晩餐会】

UMASS Lowellの卒業式@Boston。 2日目は午前中はボストン観光、夕方から Hooding ceremonyという卒業生(大学院生)向けの晩餐会です。卒業式で被るHoodをもらいました。

【番外編】ボストン旅行記(UMASS Lowell卒業式編)【Day 4:卒業式】

UMASS Lowellの卒業式@Boston。4 日目は卒業式本番です。とても賑やかでアメリカンな式典でした。ただしあいにくの雨、僕曇り男なのに。。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day5:帰国】

UMASS Lowellの卒業式@Boston。5 日目にして帰国なのです。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day3:終日観光】

UMASS Lowellの卒業式@Boston。3 日目は終日フリーなので、ゆっくりボストンを観光しました。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day0:渡米前にやっておくこと】

UMASS Lowellの卒業式@Bostonについて、計画の立て方やら行く前にやっておくことやらをまとめておきます。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day1:ボストンへ】

UMASS Lowellの卒業式@Boston。 1日目は移動だけで終わりました。

【番外編】AI(機械学習)やってみた。【第3回】ソムリAI ~ニューラルネットワーク編~

AI(機械学習)やってみた、第3弾です。「ニューラルネットワーク(Neural Network)」を使ったソムリAIを作ってみようと思います。”ニューラルネットワーク”、見るからにAIっぽい名前ですよね。

【番外編】AI(機械学習)やってみた。【第4回】ソムリAIの改良(正規化)

ソムリAI(ワインの評価を機械学習で当てる「ソムリエ+AI」)はもういいかなと思っていたのですが、機械学習の教科書的な本を読んでいるといくつか改良ポイントが見えてきたので、実際に適用してみようと思います。 まずは データの正規化 という手法を試してみました。結論から言うと、 あまり効果はなかった のです。。 ソムリAIの振り返り ワインの成分とランクのデータに対して、決定木・ロジスティック回帰・ニューラルネットワークの3通りのモデルを使って機械学習 を行い、モデルの精度を検証してきました。それぞれのソムリAIの性能はこんな感じでした。 どのモデルも概ね60%程度の精度 でした。 改良その1:正規化 正規化とは まずは 正規化 という手法を試してみます。標準化とも呼ばれます。正規化を行うことで 尺度の異なるデータを比べやすくする とともに、 はずれ値の影響を小さくする ことができます。正規化には 各データを平均0・標準偏差1に成形する手法 と、各データを 0から1の範囲に成形する手法 の2つがあります。 前者は標準偏差が出てくることからも分かるように、 データが正規分布に従うことを前提にした正規化手法 です。 元のデータが釣鐘型の分布になっている場合に有効 です。後者は単純に データの範囲を0から1の範囲に狭める手法 であり、 元のデータが一様分布の場合 (規則性が無くランダムなように見える場合) に有効 です。 どちらの手法でもデータの範囲を一定のレンジに狭めており、そうすることで異なる尺度のデータを比べやすくしつつ、はずれ値の影響を下げるのです。 正規化してみる 元データの分布を確認 前回同様のワインのデータを使って正規化してみます。まずはワインのデータを読み込んで表示してみます。ついでに機械学習で使うワインの成分と、ワインの評価にデータを分割しておきます。 【オリジナルのワインデータ】 UCI(University of California, Irvine:カリフォルニア大学アーバイン校) http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv #入力データセットを読み込み i...

【番外編】AI(機械学習)やってみた。【第6回】乳がん診断AI その1

ソムリAI(ワインソムリエAI)で使った手法で乳がん診断AIを作ってみます。まずは決定木とニューラルネットワークの2つのモデルを試してみます。かなり高性能なモデルができました。名医誕生かもしれません 笑

ベストビュー(全期間)

Malaysia Quarantine Premium Package 【番外編】Malaysia赴任記 隔離ホテル情報

Once entering Malaysia, we need to be quarantined for 14days. At the beginning of COVID-19 spread, the hotel for quarantine have been determined randomly. In these days, we can choose "premium quarantine stay package" in advance . This article is summary of premium packages which I asked each hotel. Note: Information in this article might be old. It's better to confirm the latest plan to the hotel. Note: Only Hotel Istana can be booked via its homepage so far. As the other hotels don't show their premium package plans on their homepage, you need to contact them through their reservation E-mail address or "Contact us". マレーシア入国とともに14日間ホテルで隔離されます。当初は滞在ホテルがランダムに割り振られていたようですが、より快適なプレミアムプランが追加されました。各ホテルにどんなプランがあるのか聞いてみたので、聞いた内容をまとめます。 ※情報が古い可能性があるので、念のため最新情報を各ホテルに確認したほうがよいかもしれません。

【番外編】AI(機械学習)やってみた。【第1回】ソムリAI ~決定木編~

最近ブームのAI(機械学習)に手を出しました。まずは、決定木(Decision Tree)というモデルを使って「ソムリAI(ワインソムリエAI)」を作ってみようと思います。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day0:渡米前にやっておくこと】

UMASS Lowellの卒業式@Bostonについて、計画の立て方やら行く前にやっておくことやらをまとめておきます。

【番外編】AI(機械学習)やってみた。【第3回】ソムリAI ~ニューラルネットワーク編~

AI(機械学習)やってみた、第3弾です。「ニューラルネットワーク(Neural Network)」を使ったソムリAIを作ってみようと思います。”ニューラルネットワーク”、見るからにAIっぽい名前ですよね。

【番外編】AI(機械学習)やってみた。【第6回】乳がん診断AI その1

ソムリAI(ワインソムリエAI)で使った手法で乳がん診断AIを作ってみます。まずは決定木とニューラルネットワークの2つのモデルを試してみます。かなり高性能なモデルができました。名医誕生かもしれません 笑

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day5:帰国】

UMASS Lowellの卒業式@Boston。5 日目にして帰国なのです。

【番外編】ボストン旅行記(UMASS Lowell卒業式編)【Day 4:卒業式】

UMASS Lowellの卒業式@Boston。4 日目は卒業式本番です。とても賑やかでアメリカンな式典でした。ただしあいにくの雨、僕曇り男なのに。。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day2:晩餐会】

UMASS Lowellの卒業式@Boston。 2日目は午前中はボストン観光、夕方から Hooding ceremonyという卒業生(大学院生)向けの晩餐会です。卒業式で被るHoodをもらいました。

【番外編】AI(機械学習)やってみた。【第2回】ソムリAI ~ロジスティック回帰編~

AI(機械学習)やってみた、第2弾です。前回は決定木(Decision Tree)を使ったソムリAI(ワインソムリエAI)を作りました。今回は「ロジスティック回帰(Logistic Regression)」というモデルを使ったソムリAIを作ってみようと思います。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day1:ボストンへ】

UMASS Lowellの卒業式@Boston。 1日目は移動だけで終わりました。