5G先進技術および6G技術向けAIモデルの「トレーニング」

従来の RAN システムのパフォーマンスは、スループットの制限、レイテンシの増大、リソース使用率の低下など、オペレータにとって大きな課題を生み出しています。商用 5G の展開では、多くの場合、アップリンク パフォーマンスを考慮する必要があります。特に、ユーザー 機器 (UE) の送信電力が制限され、基地局で受信される信号対雑音比 (SNR) に影響を与えるセル エッジでのアップリンク パフォーマンスを考慮する必要があります。

背景ノイズが高いため、従来のチャネル推定アルゴリズムは SNR が低い領域では困難です。 AI モデルは、正確なチャネル推定を容易にし、リソース割り当てを最適化し、消費電力を削減することで、新しいアプローチを提供します。これにより、システム容量が増加し、ネットワーク パフォーマンスが向上し、優れたユーザー エクスペリエンスが実現します。

このコラボレーションにより、Samsung は強力な AI モデルを自社の vRAN ソフトウェア ソリューションに統合できるようになります。

Keysight のチャネル シミュレーション ソリューションは、リアルタイム信号処理および無線周波数 (RF) 機能とともに、さまざまなチャネル条件でのチャネル生成を提供します。サムスンは、アップリンク受信機のチャネル推定用の高度な AI モデルの作成に成功し、ラボ環境での観測可能なゲインを大幅に向上させました。たとえば、シミュレーション実験では、現在の静的なルールベースの方法の代わりに AI モデルを使用してチャネル推定を行うと、ネットワーク セル エッジでのスループットが最大 30% 向上することが示されています。

この AI モデルのパフォーマンスを評価するために、Samsung の NVIDIA Aerial AI プラットフォーム上で実行される無線および分散機器を備えたフルスタックの実験セットアップが使用されます。この AI モデルは、NVIDIA GH200 Grace Hopper Superchip プラットフォームと、Keysight のチャネル エミュレーションおよびコア エミュレーション ソリューションに導入されています。

この成果はイノベーションを促進し、AI 対応 RAN テクノロジーの広範な導入への道を開くでしょう。

ヴァン・タン