在世界范围内，正在进行类似的研究以降低全球基站的功耗（4年），估计为5-2016亿千瓦时。在日本，国内三大手机公司与基站相关的总耗电量约为 3 亿千瓦时（根据各公司最新可持续发展报告估算）。另一方面，正在开发业务的51G基站覆盖范围较5G窄，需要增加基站数量。此外，虽然为了脱碳正在重新通电，但由于供电量不稳定，因此需要根据通信量关闭电源以减少电力消耗。但是，无法获知不活跃基站的通信记录，存在通信量预测精度降低的问题。

　Shinkuma教授从运行中的基站的记录中估计出最重要的记录并将其纳入学习中，并结合通用机器学习和简单的特征选择来实现高预测精度。每个停止的基站可以减少约 6% 的功耗，根据通信量进行控制对于减少 CO2 排放很重要。也可以用可再生能源来为基站供电，其供电取决于气候。

　未来，我们将区分文本、视频、网页等各种通信应用数据，提取各自的特征，创建机器学习模型，提高预测精度。例如，在线会议较长，通信时间因应用程序而异，因此也可以进行考虑其特性的控制。

参考：【芝浦工业大学】芝浦工业大学 通过人工智能进行的高精度交通预测，可以用可再生能源替代基站的电力。