• <xmp id="om0om">
  • <table id="om0om"><noscript id="om0om"></noscript></table>
  • 3 月 19 日下午 2 點,鎖定 NVIDIA AI 網絡中文專場。立即注冊觀看
    邊緣計算

    推出 NVIDIA Aerial 研究云,用于 5G 和 6G 領域的創新

    NVIDIA 推出了Aerial研究云,這是第一個完全可編程的 5G 和 6G 網絡研究沙盒,使研究人員能夠快速模擬、原型化和基準測試通過Aerial網絡部署的創新新軟件。

    該平臺通過全棧 C 可編程 5G 網絡實現 6G 創新的民主化,并使用 NVIDIA 加速計算在高級無線通信中啟動 ML 。

    為什么這很重要?目前的平臺需要幾個月的時間來進行原型、開發算法或實驗。這是因為在當前使用 MATLAB 或硬件描述語言的方法中潛在的設計效率低下。創新者必須依賴昂貴的黑匣子基礎設施,而這些基礎設施沒有配備 ML 工具鏈。

    如今的研究平臺也沒有提供符合標準的驗證和基準測試能力。如果沒有可編程基站和核心節點網絡元件,開發人員在快速原型設計方面會受到很大阻礙。

    Graphic showing programmable 5G full-stack plus machine learning on CUDA with GPU and NIC.
    圖 1 。 NVIDIA Aerial研究云架構堆棧

    Aerial 研究云概述

    Aerial 研究云已經消除了必須使用專有黑匣子和接口的束縛,以及對遺留編程工具的需求。沒有必要重新設計基本的信號處理管道:軟件定義的堆棧已經符合標準。

    這個獨特的平臺利用 GPU 的巨大并行性,結合成熟的機器學習( ML )工具鏈,在高級無線通信中開啟 ML 之旅。

    Aerial 研究云亮點

    • 首個完全可編程和可擴展的高級 5G 網絡( C )
    • ML 就緒
      • 不要在括號之間轉換關鍵字(例如 ServerName 、 ServerAdmin 等)PyTorchTensorRT
      • 模擬列車建造推理引擎:在Aerial研究云網絡上驗證
      • 通過使用實現應用程序和分布式體系結構的邊緣計算卸載MIG(多實例 – GPU )架構
      • Jumpstart 6G 鏈路級模擬NVIDIA Sionna
    • O-RAN Specifications– 與 COTS 供應商的分類硬件和云原生軟件一致的藍圖
      • GIGABYTE 或 Dell 的現成服務器、多供應商 O-RAN 7.2 拆分 RU 、 NVIDIA GPU 和 NVIDIA NIC
      • NVIDIA Aerial Layer 1 Inline 使用 GPU 、 OAI L2 和 Core Node 軟件加速
    • 網絡作為研究沙箱
      • NVIDIA 實驗室認證的 5G NR 網絡組件 BOM
      • 易于設置和部署的云原生虛擬化平臺
      • 樣品network deployment2023 年巴塞羅那-MWC

    Aerial 研究云早期發布設置

    圖 2 顯示了一個易于設置、靈活且可擴展的Aerial研究云網絡。千兆字節服務器承載 NVIDIA A100 GPU 和 NVIDIA ConnectX6 DX NIC 。其中一個服務器是 gNB 服務器,而其他服務器承載核心節點網絡功能。

    Hardware stack with COTS server, A100 GPU + CX6-DX NIC, PTP grandmaster with GPS, fronthaul switch, O-RU, and COTS UE.
    圖 2 :Aerial研究云設置示例配置

    精確計時源自特級大師,無線電單元集成在一起,為 OnePlus Nord 等商業用戶設備提供Aerial無線連接。

    要在您的研究和創新實驗室建立一個專用的先進 5G 網絡,請遵循以下步驟:

    1. 根據公布的物料清單( BOM )采購所有所需的硬件。
    2. 配置網絡硬件。
    3. 安裝軟件以匹配已發布的版本清單。
    4. 通過成功運行雙向 UDP 通信來驗證設置。

    有關詳細信息、教程和完整的材料清單,請參見NVIDIA Aerial 研究云文檔

    如何使用Aerial研究云

    Aerial 研究云提供了第 1 層、第 2 層和核心節點的源代碼。訪問源為第 1 層的 PDSH 和 PUSCH 、 MAC 層調度器以及包括多個Aerial研究云 gNB 的測試臺的網絡級研究的算法創新打開了大門。

    在物理層引入機器學習的工作流程將從用于模型訓練和模擬的 NVIDIA Sionna 庫開始。該模型體系結構與 NVIDIA 機器學習 SDK 一起產生了一個高效的實現,可以集成到 Aerial SDK 第 1 層代碼中。

    Aerial 研究云中使用的Aerial層 1 是一個內聯 GPU 加速的、完全由軟件定義的處理管道。

    今天,航空研究云中的 OAI 第 2 層托管在 CPU 上。但第二層 GPU 加速的潛力是巨大的。由于為第二層提供了來源,創新者有一條將他們的創作帶入現實的道路。例如,有許多機會來加速第 2 層調度器。

    在多小區網絡中進行調度的一種常見方法是采用貪婪型調度器,其中每個小區都與所有其他小區隔離地進行調度。該方法沒有提供最佳的能量效率或使系統的總速率吞吐量最大化。

    一種更復雜的方法,其中在所有小區中聯合優化調度,并考慮小區間干擾,并在 5G NR 波形中采用數據隊列到時間 – 頻率資源的優選調度。這是一個計算成本很高的優化,需要大量的實時數學。

    Aerial研究云處理系統的核心是一個大規模并行的 GPU 。與調度器的源代碼一起使用,可以實現這些類型的計算成本高昂的操作,不僅對第 1 層加速使用 GPU ,而且對第 2 層加速使用。

    總結

    這是研究界首次獲得完整的端到端、Aerial傳輸、符合標準的 gNB 的源代碼。從第 1 層和第 2 層到核心節點的一切都是用 C ++定義的,使研究人員能夠在完全可編程的網絡測試臺中將他們的創新實現。

    Aerial研究云旨在贏得創新者的心,我們期待聽到您的用例、擴展和創新。有了這個加速的全棧和為創新者準備的 ML 平臺,可能性是無限的。

    使用Aerial研究云將您的 ML 創新從概念轉化為現實。有關更多信息,請發送電子郵件至aria@nvidia.com。我們很樂意收到您的來信!

    ?

    ?

    0

    標簽

    人人超碰97caoporen国产