ОБРАЗОВАНИЕ НАУКА И ИННОВАЦИОННЫЕ ИДЕИ В МИРЕ
https://scientific-jl.org/obr
Выпуск журнала №-70
Часть–2_ Мая –2025
297
2181-3187
SUN'IY INTELLEKT YORDAMIDA 6G TEXNOLOGIYASINI
INTEGRATSIYALASH MASALASI
O‘lmasov Rahmatulloh Abduhamid o‘g‘li
Andijon davlat universiteti talabasi
Annotatsiya
: Ushbu maqolamizda sun’iy intellekt (SI) va 6G texnologiyasining
integratsiyasini o‘rganamiz, bu ikki sohaning sinergiyasi kelajak aloqa tarmoqlarida
inqilobiy o‘zgarishlar keltirib chiqarish imkoniyatlarini ko‘rib chiqamiz. 6G tarmoqlari
ultra yuqori tezlik, past kechikish va keng qamrovli ulanishni ta’minlaydi, SI tarmoq
boshqaruvi, resurslarni optimallashtirish va xavfsizlikni oshirishda muhim rol
o‘ynaydi. Maqolamizda SI-native 6G tarmoqlari, aqlli shaharlar, IoT ilovalari,
energiya samaradorligi va yangi xizmatlar (holografik aloqa, raqamli egizaklar) kabi
sohalarga yangiliklar kiritamiz. Shuningdek, O‘zbekiston kabi rivojlanayotgan
mamlakatlarda ushbu texnologiyalarni joriy etish imkoniyatlari va global
standartlashtirishdagi muammolarni muhokama qilib ko‘ramiz.
Kalit so‘zlar:
6G texnologiyasi, SI, AI-native tarmoqlar, IoT va aqlli shaharlar,
Open RAN, Kosmik integratsiya va global ulanish
6G texnologiyasi
kelajakdagi simsiz aloqa tarmoqlarining oltinchi avlodini
ifodalaydi va 5G’dan keyingi keyingi muhim qadam hisoblanadi. U 2030-yillarga kelib
to‘liq joriy etilishi kutilmoqda va ultra yuqori tezlik, past kechikish, katta ulanish
qamrovi va yuqori samaradorlikni ta’minlashga
qaratilgan. 6G tarmoqlari 5G’ga
nisbatan 10-100 barobar tezroq ma’lumot uzatish imkonini beradi, ya’ni sekundiga 1
terabitgacha (Tbps) tezlikka erishishi mumkin. Bu katta hajmdagi ma’lumotlarni real
vaqtda uzatishni ta’minlaydi va kechikish vaqtini 0.1 millisekundgacha qisqartiradi.
6G global tashkilotlar (ITU, 3GPP, IMT-2030) tomonidan standartlashtirilmoqda.
AI-Native tarmoqlar –
bu sun’iy intellekt (SI) texnologiyalari tarmoq
arxitekturasining har bir qatlamiga chuqur integratsiyalashgan simsiz aloqa tarmoqlari,
xususan, 6G va undan keyingi avlod tarmoqlari uchun ishlatiladigan tushuncha. Bu
ОБРАЗОВАНИЕ НАУКА И ИННОВАЦИОННЫЕ ИДЕИ В МИРЕ
https://scientific-jl.org/obr
Выпуск журнала №-70
Часть–2_ Мая –2025
298
2181-3187
tarmoqlar nafaqat ma’lumot uzatish vositasi, balki o‘z-o‘zini boshqarish,
optimallashtirish va moslashish qobiliyatiga ega aqlli platforma sifatida ishlaydi.
O‘zbekistonda AI-Native tarmoqlar “Aqlli shahar” loyihalari (masalan,
Toshkent,Samarqandda va boshqa viloyatlarda ) raqamli iqtisodiyotni rivojlantirish
uchun muhim imkoniyatlar yaratadi. Masalan, SI yordamida transport tizimlarini
optimallashtirish yoki energiya tarmoqlarini boshqarish mumkin. Biroq, bu usullar
bizdan yuqori sarmoya va juda katta bilimni talab qiladi va juda ko‘p malakali kadrlarni
kerak bo‘ladi.
IoT (Internet of Things)
va aqlli shaharlar 6G texnologiyasi va sun’iy intellekt
(SI) integratsiyasining eng muhim ilovalaridan biridir. 6G tarmoqlari ultra yuqori
tezlik, past kechikish va katta ulanish qamrovi tufayli millionlab IoT qurilmalarini
samarali boshqarish imkonini beradi, SI esa ma’lumotlarni tahlil qiladi va
avtomatlashtirish orqali shahar infratuzilmasini mukammal darajada olib chiqadi.
Open RAN (Ochiq Radio Kirish Tarmog‘i)
– bu simsiz aloqa tarmoqlarining
Radio Kirish Tarmog‘i (RAN) arxitekturasini ochiq, moslashuvchan va ko‘p yetkazib
beruvchilarga asoslangan qilishga qaratilgan innovatsion yondashuv. An’anaviy RAN
tizimlarida radio, apparat va dasturiy ta’minot odatda bitta yetkazib beruvchidan
olinadigan yopiq tizimlardan iborat bo‘lsa, Open RAN ochiq interfeyslar va
standartlashtirilgan protokollar orqali turli yetkazib beruvchilarning uskunalarini
birlashtirish imkonini beradi. Bu 6G va AI-Native tarmoqlarning rivojlanishida muhim
rol o‘ynaydi, chunki u tarmoq moslashuvchanligini oshiradi, xarajatlarni kamaytiradi
va innovatsiyalarni rag‘batlantiradi.
6G tarmoqlari yer va kosmos aloqalarini birlashtirish orqali global ulanishni
ta’minlaydi. SI yordamida ushbu tarmoqlar optimallashtiramiz va yangi imkoniyat
ochiladi:
Kosmik Internet (Space-Air-Ground Integrated Network - SAGIN)
: 6G
tarmoqlari sun’iy yo‘ldoshlar, dronlar va yer stansiyalarini birlashtirib, global
miqyosda uzluksiz aloqa tarmog‘ini yaratadi. SI tarmoq trafigini boshqarish va
resurslarni dinamik taqsimlash uchun ishlatiladi. SI yordamida kosmik tarmoqlarda
ОБРАЗОВАНИЕ НАУКА И ИННОВАЦИОННЫЕ ИДЕИ В МИРЕ
https://scientific-jl.org/obr
Выпуск журнала №-70
Часть–2_ Мая –2025
299
2181-3187
real vaqtda ma’lumot uzatishni optimallashtirish uchun “Large Space Communication
Models” (LSCM) tushunchasini kiritish. Bu modellar kosmik va yer tarmoqlari
o‘rtasidagi kechikishni minimallashtiradi va global IoT qurilmalarini boshqaradi.
Quyidagi kod SAGIN tarmog‘idagi yer stansiyalari, dronlar va sun’iy yo‘ldoshlar
o‘rtasidagi ma’lumot uzatishni simulyatsiya qilish uchun kod.
import random
import numpy as np
from sklearn.tree import DecisionTreeClassifier
import matplotlib.pyplot as plt
# SAGIN tugunlarini taqlid qilish uchun sinf
class SAGINNode:
def __init__(self, node_type, bandwidth, latency, energy):
self.node_type = node_type # "Ground", "Drone", "Satellite"
self.bandwidth = bandwidth # Mbps
self.latency = latency # ms
self.energy = energy # Joule
self.active = True
def transmit_data(self, data_size):
if self.active and self.energy > 0:
# Ma'lumot uzatish vaqtini hisoblash (kechikish + ma'lumot hajmi /
tarmoq kengligi)
transmission_time = self.latency + (data_size / self.bandwidth)
self.energy -= data_size * 0.01 # Energiya sarfi (taxminiy)
return transmission_time
return float('inf') # Agar tugun ishlamasa, cheksiz kechikish
# SAGIN tarmog'ini simulyatsiya qilish
class SAGINNetwork:
def __init__(self):
# Turli tugunlarni yaratish (yer, dron, sun'iy yo'ldosh)
ОБРАЗОВАНИЕ НАУКА И ИННОВАЦИОННЫЕ ИДЕИ В МИРЕ
https://scientific-jl.org/obr
Выпуск журнала №-70
Часть–2_ Мая –2025
300
2181-3187
self.nodes = [
SAGINNode("Ground", bandwidth=1000, latency=1, energy=1000),
SAGINNode("Drone", bandwidth=500, latency=5, energy=500),
SAGINNode("Satellite", bandwidth=200, latency=20, energy=2000)
]
# SI modeli: resurs taqsimlash uchun qaror daraxti
self.ai_model = DecisionTreeClassifier()
def train_ai_model(self):
# Oddiy o'quv ma'lumotlari: [data_size, urgency, node_energy] -> eng
yaxshi tugun
X = np.array([
[100, 0.8, 800], # Katta ma'lumot, yuqori shoshilinchlik, yuqori energiya
[50, 0.5, 400], # O'rtacha ma'lumot, o'rtacha shoshilinchlik
[10, 0.2, 100], # Kichik ma'lumot, past shoshilinchlik
])
y = np.array([0, 1, 2]) # 0: Ground, 1: Drone, 2: Satellite
self.ai_model.fit(X, y)
def select_best_node(self, data_size, urgency):
# SI yordamida eng yaxshi tugunni tanlash
features = np.array([[data_size, urgency, node.energy] for node in
self.nodes])
prediction = self.ai_model.predict(features)
return self.nodes[prediction[0]]
def simulate_transmission(self, data_size, urgency):
# Eng yaxshi tugunni tanlash va ma'lumot uzatish
best_node = self.select_best_node(data_size, urgency)
ОБРАЗОВАНИЕ НАУКА И ИННОВАЦИОННЫЕ ИДЕИ В МИРЕ
https://scientific-jl.org/obr
Выпуск журнала №-70
Часть–2_ Мая –2025
301
2181-3187
transmission_time = best_node.transmit_data(data_size)
return best_node.node_type, transmission_time
# Simulyatsiya
def run_simulation():
network = SAGINNetwork()
network.train_ai_model()
# Simulyatsiya parametrlari
data_sizes = [random.randint(10, 1000) for _ in range(10)] # Tasodifiy
ma'lumot hajmlari
urgencies = [random.uniform(0.1, 1.0) for _ in range(10)] # Shoshilinchlik
darajasi
results = {"Ground": [], "Drone": [], "Satellite": []}
# Har bir ma'lumot uzatishni simulyatsiya qilish
for data_size, urgency in zip(data_sizes, urgencies):
node_type, transmission_time = network.simulate_transmission(data_size,
urgency)
results[node_type].append(transmission_time)
# Natijalarni vizualizatsiya qilish
plt.figure(figsize=(10, 6))
for node_type, times in results.items():
if times: # Agar ma'lumot bo'lsa
plt.plot(range(len(times)), times, label=node_type, marker='o')
plt.xlabel("Simulyatsiya bosqichi")
plt.ylabel("Uzatish vaqti (ms)")
plt.title("SAGIN Tarmog'ida Ma'lumot Uzatish Simulyatsiyasi")
plt.legend()
plt.grid(True)
ОБРАЗОВАНИЕ НАУКА И ИННОВАЦИОННЫЕ ИДЕИ В МИРЕ
https://scientific-jl.org/obr
Выпуск журнала №-70
Часть–2_ Мая –2025
302
2181-3187
plt.show()
# Simulyatsiyani ishga tushirish
if __name__ == "__main__":
run_simulation()
Kodimiz natijasi
Foydalanilgan adabiyotlar
1. Yaacoub, E., & Alouini, M.-S. (2020). "A Key 6G Challenge and Opportunity—
Connecting the World: From Ground to Space." IEEE
2. Letaief, K. B., Chen, W., Shi, Y., Zhang, J., & Zhang, Y.-J. A. (2019). "The
Roadmap to 6G: AI Empowered Wireless Networks." IEEE Communications
Magazine, 57(8), 84-90
3. O-RAN Alliance. (2023). "O-RAN Architecture Overview and Specifications." O-
RAN Alliance White Pape
4. Saad, W., Bennis, M., & Chen, M. (2020). "A Vision of 6G Wireless Systems:
Applications, Trends, Technologies, and Open Research Problems." IEEE Network,
34(3), 134-142
ОБРАЗОВАНИЕ НАУКА И ИННОВАЦИОННЫЕ ИДЕИ В МИРЕ
https://scientific-jl.org/obr
Выпуск журнала №-70
Часть–2_ Мая –2025
303
2181-3187
5.Zong, B., Fan, C., Wang, X., Duan, X., Wang, B., & Wang, J. (2019). "6G
Technologies: Key Drivers, Core Requirements, and Research Challenges." IEEE
Communications Standards Magazine, 3(4), 18-24.
