🌐 NVIDIA impulsa el desarrollo de redes 6G con herramientas de código abierto
Com les eines de codi obert de NVIDIA estan ajudant els investigadors a construir xarxes 6G de nova generació
Fa un any, NVIDIA va alliberar el seu programari sense fils Aerial com a codi obert, sumant-se a Sionna i a una àmplia gamma d'eines de codi obert per accelerar el desenvolupament de xarxes 6G de pròxima generació. Aquestes eines proporcionen als investigadors una base per provar idees, comparar resultats i construir sobre el treball d'altres, connectant la simulació i l'entrenament d'IA amb experiments en sistemes sense fils reals.
Actualment, investigadors i desenvolupadors estan utilitzant aquestes eines per construir xarxes preparades per al 6G que van més enllà de la simple transmissió de dades. Aquestes xarxes reben senyals de manera més efectiva, mantenen connectats robots i sistemes autònoms quan més importa, i s'adapten en temps real a mesura que els dispositius es mouen pel món.
En l'últim any, l'adopció global per part de desenvolupadors del programari NVIDIA AI Aerial i NVIDIA Sionna ha crescut 10 vegades, mentre que les eines de codi obert 5G/6G de NVIDIA han superat el milió de descàrregues. Més de 8.000 institucions de recerca i acadèmiques a tot el món estan utilitzant aquestes plataformes.
Els projectes que emergeixen avui ofereixen una visió de com podrien ser les xarxes del futur. Cada un aborda un repte diferent, però junts apunten cap a una ambició més àmplia de construir xarxes 6G natives d'IA que ofereixin connectivitat, computació i detecció a través d'una plataforma definida per programari per a milers de milions de persones, màquines i agents.
Un exemple d'aquestes innovacions es troba al King's College de Londres, on els investigadors van connectar un braç robòtic equipat amb càmera a un NVIDIA Jetson AGX Orin que executa NVIDIA Sionna, cosa que va permetre reduir el temps de finalització de tasques del robot fins a un 52,6% en experiments d'empaquetatge de fruites i apilament de cubs.
D'altra banda, SoftBank ha demostrat com un receptor neural integrat en NVIDIA Aerial CUDA-Accelerated RAN pot millorar la recepció de senyals en condicions d'interferència, aconseguint un rendiment d'enllaç ascendent significativament més gran en proves controlades.
A més, a la Universitat de Leeds, s'ha desenvolupat un sistema que prediu la demanda de xarxa amb 10 minuts d'anticipació per guiar decisions d'estalvi d'energia, aconseguint una reducció del 45,6% en el consum d'energia de RAN.
Finalment, el Centre Tecnològic de Telecomunicacions de Catalunya (CTTC) està accelerant el procés de simulació de xarxes mitjançant la incorporació de models de canal de ràdio accelerats per GPU en el seu simulador de xarxa 5G-LENA, reduint el temps de simulació d'aproximadament tres hores a 10-20 minuts.
Font: https://blogs.nvidia.com/blog/telco-open-source-tools-research-6g-networks/
How NVIDIA Open Source Tools Are Helping Researchers Build Next-Generation 6G Networks
Hace un año, NVIDIA liberó su software inalámbrico Aerial como código abierto, sumándose a Sionna y a una amplia gama de herramientas de código abierto para acelerar el desarrollo de redes 6G de próxima generación. Estas herramientas proporcionan a los investigadores una base para probar ideas, comparar resultados y construir sobre el trabajo de otros, conectando la simulación y el entrenamiento de IA con experimentos en sistemas inalámbricos reales.
Actualmente, investigadores y desarrolladores están utilizando estas herramientas para construir redes preparadas para 6G que van más allá de la simple transmisión de datos. Estas redes reciben señales de manera más efectiva, mantienen conectados a robots y sistemas autónomos cuando más importa, y se adaptan en tiempo real a medida que los dispositivos se mueven por el mundo.
En el último año, la adopción global por parte de desarrolladores del software NVIDIA AI Aerial y NVIDIA Sionna ha crecido 10 veces, mientras que las herramientas de código abierto 5G/6G de NVIDIA han superado el millón de descargas. Más de 8,000 instituciones de investigación y académicas en todo el mundo están utilizando estas plataformas.
Los proyectos que emergen hoy ofrecen una visión de cómo podrían ser las redes del futuro. Cada uno aborda un desafío diferente, pero juntos apuntan hacia una ambición más amplia de construir redes 6G nativas de IA que ofrezcan conectividad, computación y detección a través de una plataforma definida por software para miles de millones de personas, máquinas y agentes.
Un ejemplo de estas innovaciones se encuentra en el King’s College de Londres, donde los investigadores conectaron un brazo robótico equipado con cámara a un NVIDIA Jetson AGX Orin que ejecuta NVIDIA Sionna, lo que permitió reducir el tiempo de finalización de tareas del robot hasta en un 52.6% en experimentos de empaquetado de frutas y apilamiento de cubos.
Por otro lado, SoftBank ha demostrado cómo un receptor neural integrado en NVIDIA Aerial CUDA-Accelerated RAN puede mejorar la recepción de señales en condiciones de interferencia, logrando un rendimiento de enlace ascendente significativamente mayor en pruebas controladas.
Además, en la Universidad de Leeds, se ha desarrollado un sistema que predice la demanda de red con 10 minutos de anticipación para guiar decisiones de ahorro de energía, logrando una reducción del 45.6% en el consumo de energía de RAN.
Finalmente, el Centre Tecnològic de Telecomunicacions de Catalunya (CTTC) está acelerando el proceso de simulación de redes mediante la incorporación de modelos de canal de radio acelerados por GPU en su simulador de red 5G-LENA, reduciendo el tiempo de simulación de aproximadamente tres horas a 10-20 minutos.
Fuente: https://blogs.nvidia.com/blog/telco-open-source-tools-research-6g-networks/
How NVIDIA Open Source Tools Are Helping Researchers Build Next-Generation 6G Networks
A year ago, NVIDIA released its Aerial wireless software as open source, joining Sionna and a wide range of open source tools to accelerate the development of next-generation 6G networks. These tools provide researchers with a foundation to test ideas, compare results, and build on the work of others, connecting simulation and AI training with experiments in real wireless systems.
Currently, researchers and developers are using these tools to build 6G-ready networks that go beyond simple data transmission. These networks receive signals more effectively, keep robots and autonomous systems connected when it matters most, and adapt in real-time as devices move around the world.
In the past year, global adoption by developers of NVIDIA AI Aerial software and NVIDIA Sionna has grown 10-fold, while NVIDIA's 5G/6G open source tools have surpassed one million downloads. More than 8,000 research and academic institutions worldwide are using these platforms.
The projects emerging today offer a glimpse of what future networks could look like. Each addresses a different challenge, but together they point towards a broader ambition to build AI-native 6G networks that offer connectivity, computing, and sensing through a software-defined platform for billions of people, machines, and agents.
An example of these innovations can be found at King's College London, where researchers connected a camera-equipped robotic arm to an NVIDIA Jetson AGX Orin running NVIDIA Sionna, allowing the robot's task completion time to be reduced by up to 52.6% in fruit packing and cube stacking experiments.
On the other hand, SoftBank has demonstrated how a neural receiver integrated into NVIDIA Aerial CUDA-Accelerated RAN can improve signal reception under interference conditions, achieving significantly higher uplink performance in controlled tests.
Additionally, at the University of Leeds, a system has been developed that predicts network demand 10 minutes in advance to guide energy-saving decisions, achieving a 45.6% reduction in RAN energy consumption.
Finally, the Centre Tecnològic de Telecomunicacions de Catalunya (CTTC) is accelerating the network simulation process by incorporating GPU-accelerated radio channel models into its 5G-LENA network simulator, reducing simulation time from approximately three hours to 10-20 minutes.
Source: https://blogs.nvidia.com/blog/telco-open-source-tools-research-6g-networks/
¿Te ha interesado esta noticia?
Recibe cada mañana el resumen de IA y sociedad directo en tu email.
Suscríbete gratis →