Inicio Ciencia Herramientas abiertas de NVIDIA aceleran la investigación sobre redes 6G

Herramientas abiertas de NVIDIA aceleran la investigación sobre redes 6G

0
73
Herramientas abiertas de NVIDIA aceleran la investigación sobre redes 6G

NVIDIA afirma que la adopción de sus herramientas abiertas para 5G y 6G creció diez veces durante el último año y superó 1 millón de descargas. Los investigadores utilizan las plataformas para probar redes capaces de adaptar las comunicaciones, reducir el consumo y acelerar los experimentos, pero los resultados todavía corresponden a investigaciones y pruebas controladas.

NVIDIA afirma que sus herramientas abiertas para investigar redes 5G y 6G se utilizan para probar sistemas inalámbricos más adaptables, eficientes e integrados con la inteligencia artificial. Según la empresa, la adopción global de NVIDIA AI Aerial y NVIDIA Sionna se multiplicó por diez durante el último año, mientras que el conjunto de herramientas superó 1 millón de descargas.

Más de 8.000 instituciones de investigación y enseñanza utilizan las plataformas, de acuerdo con NVIDIA. Estas cifras son declaraciones de la propia empresa y no fueron verificadas de forma independiente en el material proporcionado.

La propuesta combina simulación, entrenamiento de modelos de IA y experimentos con sistemas inalámbricos reales. NVIDIA sostiene que esta integración puede ayudar a los investigadores a comparar resultados y evaluar diseños antes de llevar nuevas ideas a equipos y redes desplegadas.

Los robots pueden transmitir solo lo que necesitan

Uno de los proyectos citados explora la comunicación semántica orientada a objetivos. En lugar de enviar imágenes completas, el sistema transmite descripciones compactas de objetos, posiciones y relaciones relevantes para la tarea del robot.

Investigadores del King’s College London conectaron un brazo robótico con cámara a un NVIDIA Jetson AGX Orin que ejecutaba Sionna. En experimentos de empaquetado de frutas y organización de cubos, con fallos introducidos deliberadamente, el enfoque redujo el tiempo de finalización hasta un 52,6 % y mejoró el éxito de las tareas, según NVIDIA.

El sistema también fue descrito como capaz de identificar objetos caídos, recuperarse de acciones fallidas y, en configuraciones con gemelo digital, comprobar posibles colisiones antes de la ejecución. El rendimiento puede variar según el entorno, el modelo y la tarea evaluada.

La IA se aplica a la recepción y al consumo energético

SoftBank integró un receptor neuronal en NVIDIA Aerial CUDA-Accelerated RAN y lo probó con un teléfono inteligente 5G comercial. En condiciones controladas de interferencia, el receptor logró un throughput de subida superior al de un receptor convencional en las 15 configuraciones evaluadas, con una mejora máxima de aproximadamente el 60 %.

En ETH Zurich, investigadores ajustaron receptores neuronales mediante mediciones locales. NVIDIA informa que el método redujo las tasas de error de bloque en más de un tercio frente a algunas versiones preentrenadas.

Otro proyecto, de la University of Leeds, predice la demanda de la red con diez minutos de antelación para orientar el apagado temporal de estaciones base. El sistema comprueba si las estaciones cercanas pueden mantener la cobertura y restaura la capacidad cuando es necesario.

En pruebas con una red 5G portátil, un gemelo digital y equipos basados en NVIDIA DGX Spark, los investigadores informaron de una reducción del 45,6 % en el consumo energético de la RAN frente a una línea de base que operaba a máxima potencia, sin interrumpir la conectividad de los dispositivos.

Las simulaciones más rápidas adelantan las evaluaciones

El Centre Tecnològic de Telecomunicacions de Catalunya integró modelos de canal de radio acelerados por GPU en el simulador de código abierto 5G-LENA. Estos modelos representan cómo se propagan las señales entre antenas y dispositivos en redes simuladas.

En una evaluación inicial, la integración redujo el tiempo de simulación de aproximadamente tres horas a entre 10 y 20 minutos, según la configuración. NVIDIA afirma que se conservaron el comportamiento estadístico esperado y el rendimiento de la red.

La reducción del tiempo puede permitir que los equipos comparen más arquitecturas y escenarios antes de realizar pruebas de campo. Aun así, los resultados de simulación no garantizan el mismo rendimiento en redes comerciales, que afrontan condiciones, equipos y restricciones regulatorias específicas.

Los proyectos presentados apuntan a una visión de las redes 6G que combina conectividad, computación y sensorización en una plataforma definida por software. Sin embargo, la madurez de estas aplicaciones varía, y el material proporcionado no informa sobre calendarios de implementación comercial.

  • Comunicación semántica para reducir los datos transmitidos por robots.
  • Receptores neuronales adaptados a la interferencia y a las condiciones locales.
  • Predicción de la demanda para reducir el consumo de las estaciones base.
  • Modelos de canal acelerados por GPU para acortar las simulaciones.

Fuente original: NVIDIA — How NVIDIA Open Source Tools Are Helping Researchers Build Next-Generation 6G Networks.

Recibe Radar de IA todos los días

Las noticias de inteligencia artificial que importan — con nuestro prisma y siempre con las fuentes. Gratis.

Sin spam. Cancela cuando quieras.

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí