Що відбувається, коли дослідники отримують відкриті інструменти для побудови мереж 6G?

Набір, що з'єднує симуляцію з реальними антенами

Рік тому NVIDIA випустила Aerial як відкритий код. Вона приєдналася до Sionna та інших компонентів, що дозволяють дослідницям переходити від математичних моделей до ефірних експериментів без переписування стеку.

Оголошення позиціонує набір як фундамент для перевірки ідей, порівняння результатів і побудови на чужій роботі. За минулий рік глобальне прийняття AI Aerial та Sionna розробниками виросло в 10 разів. Лічильник завантажень комбінованого набору інструментів 5G/6G перевищив мільйон. Понад 8000 дослідницьких та академічних установ тепер використовують платформи.

Роботи, що передають лише суть

У Королівському коледжі Лондона робótica рука з камерою працює на NVIDIA Jetson AGX Orin із Sionna. Програмно-визначений 5G-стек і периферійний штучний інтелект ділять одне пристроє. Замість потокового передавання повних зображень робот надсилає компактні описи об'єктів та їхніх позицій. Дослідники називають це цілеспрямованою семантичною зв'язку.

У випробуваннях з пакуванням фруктів та стакуванням кубів, де навмисно вводилися помилки, підхід скоротив час виконання завдання аж на 52,6 % і підвищив відсоток успіху порівняно з періодичною передачею зображень. Система також виявляла упадені об'єкти, відновлювалася після невдалих дій і, у поєднанні з цифровим двійником, перевіряла плановані рухи на зіткнення перед виконанням.

Приймачі, що вчаться середовищу

SoftBank інтегрувала нейромережевий приймач у NVIDIA Aerial CUDA-Accelerated RAN і протестувала його з комерційним 5G-смартфоном. У контрольованих тестах з перешкодами нейромережевий приймач забезпечив вищу пропускну здатність аплінку за звичайний приймач у всіх 15 перевірених налаштуваннях. Максимальний приріст сягнув приблизно 60 %.

У ETH Zurich дослідники використали NVIDIA Aerial Testbed для налаштування нейромережних приймачів за місцевими вимірюваннями. Це зменшило помилки блоку більш ніж на третину порівняно з обраними попередньо натренованими версіями. Кращий прийом означає чіткіші зображення дронів для пожежників і більш актуальні види для рятувальників.

Базові станції, що сплять за розкладом

Університет Лідса створив систему, що передбачає попит на мережу за десять хвилин. Прогнози керують рішеннями про сон базових станцій. Перед вимкненням система перевіряє, чи сусідні активні станції все ще можуть обслуговувати заражений пристрої, і стежить за змінами, що вимагають повернення потужності.

Тести проходили на портативній 5G-мережі-в-коробці на базі NVIDIA DGX Spark поруч із цифровим двійником для валідації проти реального бездротового обладнання. Дослідники повідомили про скорочення споживання енергії RAN на 45,6 % відносно базової лінії на повній потужності, зберігаючи пристрої підключеними.

Симуляції, що закінчаються до обіду

Центр технологічних телекомунікацій Каталонії приніс GPU-прискорені радіоканальні моделі, що працюють на ACAR, у свій open-source симулятор мережі 5G-LENA. Ці моделі розраховують, як бездротові сигнали поширюються між антенами та пристроями. У ранній оцінці підхід скоротив час симуляції з приблизно трьох годин до 10–20 хвилин залежно від інтеграції, зберігаючи очікувану статистичну поведінку та продуктивність мережі.

Швидші запуски дозволяють командам порівнювати більше проектів і досліджувати більш складні сценарії. Їх можна вдосконалювати ідеї раніше.

Де закінчується пояснення

Публікація в блозі описує чотири дослідницькі проекти і одне прискорення симуляції. Вона не каже, скільки з 8000 установ активно вносять код, а не просто завантажують бінарники. Вона не розкриває, чи збережуться 52,6 % покращення робота, 60 % приріст пропускної здатності, падіння помилок на третину чи економія енергії 45,6 % у комерційних розгортаннях. Вона не називає терміни стандартизації 6G і не вказує, які з цих технік виживуть у процесі. Інструменти на GitHub. Наступна сесія GTC у Вашингтоні, Округ Колумбія, покаже більше.