Fernando Murias, styrelseordförande och VD för Digital Global Systems (DGS) – Intervjuserie

Fernando anslöt till Digital Global Systems (DGS) 2013 från PriceWaterhouseCoopers där han hade flera ledande positioner i både USA och Latinamerika.

Fernando har varit i framkant när det gäller innovativa investeringsmodeller för företagsledande teknikutveckling; nya partnerskapsavtal med CAPEX-lätta strukturer; och strategisk vision för affärsverksamhet som utnyttjar nya teknologier och driftskonstruktioner. I sina roller har Fernando byggt betydande företagsvärde med hjälp av unika immateriella tillgångar och framväxande innovationer inom data, analyser och artificiell intelligens.

DGS är en nästa generationsprogramvaruplattform för trådlösa distributioner som karakteriserar Radio Frequency-miljön över flera dimensioner.

Med synlighet vid nätverksgränsen kan nätverksoperatörer avlägsna RF-miljöer, optimera spektrumdelning och fullt ut förverkliga sina 5G-ambitioner.

Hur utnyttjar DGS RF Awareness-plattform artificiell intelligens för att förbättra spektrumhantering för satellitoperatörer?

Vid DGS har vi utvecklat vår RF Awareness-plattform med ett mål i sikte: att bringa intelligens och anpassningsförmåga till sättet spektrum hanteras—särskilt i den snabbt utvecklande satellitdomänen. Vår AI-teknik möjliggör för satellitoperatörer att få en realtids-, omfattande vy av spektrumanvändning, upptäcka och mildra störningar, och dynamiskt optimera nätverksprestanda. I en rymdmiljö som blir alltmer överbelagd—särskilt med tillväxten av direkt-till-enhetstjänster—säkerställer vår AI-drivna plattform att spektrum används effektivt, störningar minimeras och tjänstetillförlitlighet maximeras.

Vilka specifika AI-tekniker används i RF Awareness för att analysera och mildra störningar i överbelagda spektrummiljöer?

Vi utnyttjar en kombination av patenterad maskinlärande och autonom inferens för att analysera RF-miljön. Specifikt använder vi mönsterigenkänning och autonom maskin-till-maskin-inferensmodeller för att upptäcka störningssignaturer, klassificera signaltyper och ge rekommendationer för att dynamiskt justera nätverksparametrar som strålförstärkning, frekvensallokering och effektnivåer. Detta möjliggör för satellitoperatörer att svara i realtid på överbelastning och störningar, säkerställande optimal prestanda även i trånga spektrummiljöer.

Hur förbättrar AI-driven mönsterigenkänning signalens kvalitet och nätverks tillförlitlighet i satellitkommunikation?

Mönsterigenkänning ligger i hjärtat av hur vi förbättrar satellitkommunikation. Vår plattform identifierar återkommande störningshändelser, signalnedbrytningsmönster och andra avvikelser över mer än 50 signal Egenskaper. Genom att lära av dessa mönster kan vårt AI-system proaktivt optimera nätverket—justera parametrar innan prestandaproblem uppstår. Detta förbättrar inte bara signalens kvalitet utan ökar också tillförlitligheten och tillgängligheten för kommunikation, vilket är avgörande för företags-, konsument- och särskilt militära tillämpningar.

Hur optimerar AI on-board-beräkningsverksamhet för att minska bearbetningskraven för direkt-till-enhet (D2D) satellitlänkar?

Våra patenterade AI-tekniker minskar den beräkningsbörda som krävs för att etablera och upprätthålla D2D-länkar med 25% till 40%. Vi uppnår detta genom att strömlinjeforma de träningsuppsättningar som används av våra AI-modeller och tillämpa autonoma inferensmetoder som minimerar behovet av råbearbetning ombord på satelliten. Detta resulterar i lägre effektförbrukning, minskad termisk belastning och längre satellitlivslängd—gör vår lösning inte bara smartare utan också mer hållbar för rymdbaserade D2D-tjänster.

Vilken roll spelar autonom maskin-till-maskin-inferens i DGS AI-teknik för spektrumhantering?

Autonom maskin-till-maskin-inferens är en hörnsten i vår teknik. Med över 100 patent som täcker denna förmåga (av våra 320 utfärdade patent) har vi möjliggjort för vår plattform att fungera utan konstant mänsklig övervakning. Den kan tolka spektrumanvändning, upptäcka avvikelser, förutsäga störningar och fatta beslut i realtid för att optimera prestanda. Den här typen av intelligent autonomi är avgörande för framtida satellitnätverk, som måste anpassa sig snabbt och fungera tillförlitligt under mycket dynamiska förhållanden.

Med den växande trängseln i låg jordbana (LEO), hur säkerställer RF Awareness oavbruten och skalbar satellitkommunikation?

LEO blir en livlig arena—med tusentals satelliter och miljontals användare. Vår RF Awareness-plattform hjälper satellitoperatörer att trivas i denna miljö genom att leverera kontinuerlig RF-övervakning, störningsmildring och dynamisk spektrumoptimering. Genom att finjustera signalparametrar i realtid och ge detaljerad kännedom om spektrumförhållanden, ger vi operatörerna möjlighet att skala sina tjänster utan att kompromissa med kvalitet eller tillförlitlighet. Kort sagt, vi hjälper dem att navigera i trängseln—och förvandla den till möjlighet.

Hur förbättrar AI-driven spektrumanalys situationsmedvetenhet och kommunikation för militära tillämpningar?

I försvars miljöer kan kommunikationstillförlitlighet vara en fråga om liv eller död. Vår AI-drivna spektrumanalys möjliggör för militära operatörer att upprätthålla situationsmedvetenhet även i utmanade eller degraderade miljöer. Genom att kontinuerligt analysera den elektromagnetiska spektrum och upptäcka störningar—inklusive potentiella störningsförsök—ger vår plattform handlingskraftig intelligens som förbättrar både motståndskraft och taktisk fördel. Förmågan att autonomt upptäcka, klassificera och mildra hot i realtid är en vändpunkt för moderna militära operationer.

Som AI blir alltmer integrerat i satellitoperationer, vilka framtida framsteg ser DGS för autonom satellitnätverkshantering?

Vi ser en framtid där satellitnätverk fungerar med minimal mänsklig inblandning. Det betyder inte bara självoptimerande prestanda och störningsmildring på ett autonomt sätt, utan också autonomt etablering av tjänster, anpassning till regleringsändringar och till och med orkestrering av satellit-till-terrestisk handoff i realtid. Vår teknik lägger grunden för dessa framsteg—möjliggörande intelligent, anpassningsbar och säker satellitnätverk som skalar med efterfrågan och fungerar effektivt över flera domäner.

Hur stöder AI-driven RF Awareness integrationen av LEO-satelliter med terrestra 5G-nätverk?

Smidig integration mellan satelliter och terrestra 5G är avgörande för att utöka täckningen och uppnå verklig global anslutning. Vår RF Awareness-plattform säkerställer att satellitsystem kan samexistera med terrestra nätverk genom att dynamiskt hantera spektrum, identifiera och mildra störningar mellan nätverk och optimera signal Egenskaper för hybridmiljöer. Detta är särskilt kritiskt i urbana och högtrafikerade områden där spektrumanvändning är tät och mycket variabel.

På vilket sätt kan AI-driven RF-spektrumhantering hjälpa till att hantera spektrumbrist på den växande satellitkommunikationsmarknaden?

Spektrum är en ändlig resurs, och dess effektiva användning är en av de största utmaningarna som vår bransch står inför. Vår AI-drivna plattform hanterar detta genom att möjliggöra dynamisk spektrumdelning, realtids optimering och intelligent störningsmildring. Dessa funktioner tillåter operatörer att extrahera maximalt värde från det tillgängliga spektrum—stödja fler användare, fler enheter och fler tjänster utan att behöva ytterligare bandbredd. När marknaden fortsätter att växa, kommer denna typ av intelligent hantering att vara nyckeln till att låsa upp ny kapacitet och upprätthålla långsiktig tillväxt.

Tack för den utmärkta intervjun, läsare som vill lära sig mer bör besöka Digital Global Systems.