Diferentemente das redes 4G, as redes móveis 5G foram projetadas para servir três categorias de dispositivos, que são identificadas como casos de uso das redes 5G, que são eMBB (Enhanced mobile broadband), URLLC (ultra-reliable low latency communications) e mMTC (massive machine type communications). Assim, há diferentes tipos de dispositivos que as redes estão sendo projetadas para servir, com diferentes requisitos em termos de taxa e latência, além da possibilidade de uma quantidade muito maior de dispositivos que devem ser servidos. Os sistemas atuais estão em um processo de transição, de uma rede tipicamente projetada para entregar conteúdo, sem considerar as características de cada aplicativo que solicita recursos de rede, para esta nova rede mais flexível. Entretanto, as redes móveis 5G existentes (3GPP Releases 15 e 16) ainda não têm flexibilidade e inteligência suficientes para cumprir todos os requisitos para os três principais casos de uso. Toda a flexibilidade almejada pelo 5G e além de 5G (B5G) para atender a grande quantidade de diferentes cenários leva a um aumento da complexidade no gerenciamento da rede. Nesse contexto, a inteligência artificial (IA) aplicada às redes móveis 5G e B5G permite, por exemplo, atingir as características há muito esperadas de redes auto-organizadas (SON) e zero touch. Como resultado, a IA pode alavancar a eficiência fim-a-fim de redes modernas e sofisticadas e fornecer qualidade de experiência personalizada. Neste contexto, uma ferramenta importante é o loop fechado baseado em IA, conforme estudado pelo ETSI Experiential Networked Intelligence Industry Specification Group (ENI ISG). Mas as redes não foram apropriadamente projetadas para acomodar tarefas baseadas em IA (inteligência artificial), como coleta de dados, processamento e distribuição de resultados. Da mesma forma, para as redes 6G espera-se requisitos ainda maiores para suprir as necessidades de aplicações ainda mais exigentes, resultando em uma complexidade ainda maior para gerenciar essas redes de modo a cumprir tais requisitos. Assim, a gerência da rede precisa se tornar mais autônoma, que é o ponto principal das chamadas redes cognitivas, que é o conceito de rede que observa as informações para encontrar padrões de uso de recursos pelos usuários, que ajudam na tomada de decisão para otimizar o funcionamento da rede sem ou com mínima intervenção humana. As regras das ações tomadas automaticamente pela rede serão repassadas por controladores humanos a partir das chamadas intenções, ou intent-based networks Desta forma, esta proposta está centrada em pesquisas inovadoras utilizando aprendizado de máquina e inteligência artificial (ML / AI) aplicadas a redes de telecomunicações para promover a automação de redes B5G. Focando em processos realizados na camada física, como alocação de recursos para usuários e seleção de feixes. Para auxiliar os processos de ML/AI, no projeto também será dado foco na criação de réplicas em ambientes virtuais de cenários relevantes da rede, para permitir coleta de dados realistas e experimentação de decisões antes da aplicação das mesmas em campo.