세계에서는 4~5천억kwh로 추계되는 세계 기지국의 전력 사용량(2016년)을 삭감하기 위해 같은 연구가 진행되고 있다.일본에서는 국내 휴대 대기업 3사의 기지국 관련 전력 소비량 합계는 약 51억kWh(각사 최신의 지속가능성 리포트로부터의 근사)에 이른다.한편, 서비스 전개가 진행되는 5G의 기지국은 4G에 비해 커버 범위가 좁아 기지국을 늘릴 필요가 있다.또한, 탈탄소를 향해 전원의 재에너화도 진행되고 있지만, 공급량이 불안정하기 때문에 통신량에 따라 전원을 끄고, 전력 소비량을 삭감할 필요도 있다.그러나, 휴지 중의 기지국의 통신 기록을 학습할 수 없어, 통신량의 예측 정밀도 저하가 과제가 되고 있다.

　신구마 교수는, 가동중의 기지국으로부터의 기록만으로도, 그 중에서 가장 중요도가 높은 기록을 추정해 학습에 편입해, 일반적인 기계 학습과 단순한 특징 선택의 조합으로, 높은 예측 정밀도 달성했다.휴지한 각 기지국은 전력 사용량을 약 6% 삭감할 수 있고, CO2 배출량 삭감에는 통신량에 따른 제어가 중요하다.또한 전력 공급량이 기후에 좌우되는 재생 가능 에너지로 기지국 전력을 얻는 것에도 대응할 수 있다.

　앞으로는 텍스트나 동영상, 웹 페이지 등 다양한 통신상의 애플리케이션 데이터를 구별하고 각각의 특징을 추출하여 기계 학습 모델을 만들어 예측 정밀도를 향상시킨다.예를 들면, 온라인 회의는 긴 등, 어플리케이션에 의해 통신 시간이 다르기 때문에, 그 특징을 고려한 제어도 가능하게 된다.

참고：【시바우라 공업 대학】시바우라 공대 AI에 의한 고정밀도의 통신량 예측으로, 기지국의 전력을 재생 가능 에너지로 대체 가능하게