Aplicación de Inteligencia Artificial para la Optimización y Predicción del Rendimiento en Redes de Acceso Óptico de Nueva Generación

Este proyecto aborda la creciente complejidad de las redes de acceso óptico pasivas (PON) mediante la aplicación de técnicas de Machine Learning. Ante la demanda de servicios de alta capacidad y baja latencia, como 5G y realidad aumentada, las redes actuales enfrentan desafíos de gestión y optimización. La investigación propone la creación de un dataset estructurado a partir de escenarios experimentales controlados, que servirá para entrenar modelos predictivos capaces de anticipar la calidad de transmisión y optimizar la asignación de recursos. El enfoque metodológico incluye la simulación de sistemas de fibra óptica, el preprocesamiento de datos y la implementación de algoritmos avanzados, incluyendo redes neuronales profundas. Se utilizará equipamiento especializado para el procesamiento paralelo, garantizando la escalabilidad y precisión de los modelos. Los resultados esperados incluyen una mayor robustez en la infraestructura de red y una base tecnológica sólida para la evolución hacia arquitecturas de nueva generación. Este estudio no solo busca resolver problemas técnicos de congestión y latencia, sino también contribuir al desarrollo académico y tecnológico, promoviendo prácticas de telecomunicaciones sostenibles y eficientes que beneficien tanto a operadores como a usuarios finales.<br/><br/><b>Objetivo</b>: <br/>Desarrollar e implementar soluciones basadas en Machine Learning para la predicción y optimización del rendimiento en redes ópticas de acceso PON. El proyecto busca mejorar la eficiencia, confiabilidad y sostenibilidad de estas redes mediante la creación de un dataset experimental representativo.<br/><br/><b>Líneas de investigación</b>: <br/>Telecomunicaciones y tecnologías de la información