InterferencIA: Predição de Cobertura Eletromagnética Usando Inteligência Artificial

A expansão das redes 5G demanda um planejamento eficiente, o que requer predições precisas da perda de propagação. Para superar a ineficiência de métodos determinísticos (ITU-R P.1812-6), este artigo aplica modelos de Inteligência Artificial para estimar a cobertura (SS-RSRP). Em validação cega, o XGBoost obteve a melhor Raiz do Erro Quadrático Médio (RMSE) calibrada (10,80 dB), reduzindo a inferência de 12 horas para 3 minutos. Uma rede híbrida quântica superou sua contraparte clássica (MLP) mitigando o vazamento espacial (memorização de coordenadas de treino), evidenciando o grande potencial do Aprendizado de Máquina Quântico em telecomunicações reais.