NVIDIA atvērtā pirmkoda rīki paātrina mākslīgā intelekta vadītu 6G bezvadu tīklu izstrādi

Attēls: NVIDIA · Avots

NVIDIA atvērtā pirmkoda bezvadu programmatūra un rīku komplekti, tostarp Aerial un Sionna, ļauj pētniekiem visā pasaulē būvēt un simulēt AI dzimtus 6G tīklus ar uzlabotu signāla apstrādi, energoefektivitāti un robotikas reaģētspēju.

Gadu pēc tam, kad NVIDIA atvēra savu Aerial bezvadu programmatūru pirmkodu, uzņēmums sniedz iespēju pētniekiem un izstrādātājiem visā pasaulē paātrināt nākamās paaudzes 6G tīklu projektēšanu un testēšanu. Balstoties uz AI Aerial komplekta un Sionna atvērtā pirmkoda bibliotēkas pamatiem, šie rīki apvieno bezvadu simulācijas, mākslīgā intelekta apmācību un reālas pasaules eksperimentus vienotā programmatūras ekosistēmā.

NVIDIA AI Aerial un Sionna platformas ir strauji kļuvušas populāras, lejupielādes pārsniedzot vienu miljonu un tiek izmantotas vairāk nekā 8000 akadēmiskajās un pētniecības iestādēs visā pasaulē. Kopā tās nodrošina pamatu 6G tīklu izstrādei, kas pārsniedz datu pārraides robežas, ietverot uzlabotu signāla uztveri, enerģijas pārvaldību, robotu kontroli un adaptīvu savienojamību.

Viens pētniecības projekts King's College London izmantoja NVIDIA Sionna un NVIDIA Jetson AGX Orin aparatūru, lai savienotu kameru aprīkotu robotu roku ar programmatūras definētām 5G un edge AI iespējām. Pārsūtot kompakts semantiskas aprakstus, nevis pilnus attēlus, sistēma samazināja uzdevumu izpildes laikus vairāk nekā par 50% un uzlaboja veiksmes rādītājus objektu manipulācijas uzdevumos. Šī mērķtiecīgā semantiskā saziņas pieeja ļauj robotiem ātri un uzticami reaģēt dinamiskās vidēs.

Citā piemēram, SoftBank integrēja neironu AI uztvērēju ar NVIDIA CUDA paātrināto RAN (ACAR), lai uzlabotu 5G signāla uztveri. Komerciālo 5G viedtālruņu testēšana pārklājuma traucējumu apstākļos parādīja augšupvērstas caurlaidības pieaugumu līdz 60% salīdzinājumā ar tradicionālajiem uztvērējiem. ETH Cīrihes pētnieki arī izmantoja NVIDIA rīkus, lai precīzi pielāgotu neironu uztvērējus, balstoties uz vietējiem radio apstākļiem, būtiski samazinot kļūdu līmeni.

Energoefektivitāte ir būtiska joma, jo 6G savieno miljardiem ierīču. Līdsas universitātes pētnieki izstrādāja prognozējošu mākslīgā intelekta sistēmu, kas dinamiski izslēdz un ieslēdz bāzes stacijas, balstoties uz tīkla pieprasījuma prognozēm, samazinot RAN enerģijas patēriņu par gandrīz 46% bez pārtraukumiem savienojumā. Viņu testi izmantoja NVIDIA DGX Spark platformas kopā ar digitālajiem dubultniekiem reāllaika validācijai.

Lai nodrošinātu ātrākus inovācijas ciklus, Katalonijas Telekomunikāciju tehnoloģiju centrs integrēja GPU paātrinātus radio kanālu modeļus — darbojas uz NVIDIA ACAR — savā atvērtā pirmkoda 5G-LENA tīkla simulātorā. Tas samazināja sarežģītu simulāciju darbības laikus no stundām līdz mazāk nekā 20 minūtēm, ļaujot pētniekiem efektīvāk izvērtēt vairāk dizainu un scenāriju.

NVIDIA atvērtā pirmkoda bezvadu programmatūras komponentes, tostarp Aerial CUDA paātrinātā RAN un modulārā Python bāzes Sionna bibliotēka, nodrošina augsti optimizētas būvniecības blokus 5G un nākamās paaudzes 6G pētījumiem. Apvienojot sarežģītas simulācijas, AI vadītu signāla apstrādi un praktiskas izvietošanas, šie rīki veicina inteliģentu, adaptīvu bezvadu tīklu izstrādi, kas paredzēti miljardiem cilvēku, mašīnu un autonomo sistēmu apkalpošanai.

Izstrādātāji un pētnieki var piekļūt šīm platformām GitHub un piedalīties NVIDIA 6G izstrādātāju programmā pasākumiem un apmācībām, kas vērstas uz AI dzimto bezvadu tīklu inovācijām.