NVIDIA Açık Kaynaklı Araçları ile 6G Ağ Geliştirmelerini ve Simülasyon Süreçlerini Hızlandırıyor
Kaynak: blogs.nvidia.com ·
NVIDIA, 6G ağ geliştirme süreçlerini hızlandırmak amacıyla açık kaynaklı Aerial kablosuz yazılımını ve Sionna araçlarını sunuyor. Küresel geliştirici benimseme oranı son bir yılda 10 kat artarken, açık kaynaklı 5G/6G araçları 1 milyondan fazla indirildi ve 8.000'den fazla araştırma ve akademik kurum tarafından kullanılmaya başlandı. King's College London, SoftBank, ETH Zurich, University of Leeds ve Centre Tecnològic de Telecomunicacions de Catalunya (CTTC) gibi kurumlar bu altyapıyı kullanarak robottan sinyal alımına, enerji tasarrufundan simülasyon sürelerinin kısaltılmasına kadar çeşitli alanlarda performans artışları elde etti.
Neden önemli?
Önceki duruma kıyasla simülasyonların saatler sürmesi ve kablosuz ağlardaki gecikmeler araştırmacıların yenilikleri test etmesini zorlaştırıyordu. Bu açık kaynaklı araçlar ve yapay zeka entegrasyonları, telekomünikasyon araştırmacılarının ve geliştiricilerin geleceğin 6G ağlarını daha hızlı tasarlamasını, test etmesini ve optimize etmesini sağlıyor.
Bununla neler yapılabilir?
- Olası kullanım: Araştırmacılar, kameralı robot kollarının tam boyutlu görüntüler yerine nesne açıklamaları ile haberleşmesini sağlayarak dinamik ortamlarda görev tamamlama sürelerini kısaltabilir.
- Olası kullanım: Telekomünikasyon operatörleri, ağ talebini 10 dakika önceden tahmin eden yapay zeka sistemleriyle baz istasyonlarının uyku moduna geçişini yöneterek enerji tüketimini düşürebilir.
- Olası kullanım: Mühendisler, GPU hızlandırmalı radyo kanalı modellerini kullanarak 5G ve 6G ağ simülasyonlarını daha kısa sürede tamamlayabilir.
Somut sonuçlar ve kanıtlar
- King's College London'daki deneylerde robot kolunun görev tamamlama süresi %52.6 oranında azaldı. (Kaynak)
- SoftBank testlerinde sinirsel alıcı, ticari bir 5G akıllı telefonda geleneksel alıcıya kıyasla tüm test ayarlarında daha yüksek uplink verimi sundu ve maksimum kazanç kabaca %60 oldu. (Kaynak)
- Leeds Üniversitesi'ndeki araştırmacılar, ağ talebini tahmin eden sistemle tam güç karşılaştırma düzeyine göre RAN güç tüketiminde %45.6 azalma bildirdi. (Kaynak)
- CTTC, GPU hızlandırmalı radyo kanalı modellerini entegre ederek simülasyon çalışma süresini yaklaşık üç saatten 10-20 dakikaya indirdi. (Kaynak)
Sınırlar ve açık kalan sorular
Sonuçlar kontrollü test ortamlarına, belirli akademik ve endüstriyel deney düzeneklerine dayanmaktadır; tüm ağ senaryoları veya küresel altyapılar için aynı verimlilik garantisi verilmemektedir.