NVIDIA 推出了Aerial研究云，这是第一个完全可编程的 5G 和 6G 网络研究沙盒，使研究人员能够快速模拟、原型化和基准测试通过Aerial网络部署的创新新软件。
该平台通过全栈 C 可编程 5G 网络实现 6G 创新的民主化，并使用 NVIDIA 加速计算在高级无线通信中启动 ML 。
为什么这很重要？目前的平台需要几个月的时间来进行原型、开发算法或实验。这是因为在当前使用 MATLAB 或硬件描述语言的方法中潜在的设计效率低下。创新者必须依赖昂贵的黑匣子基础设施，而这些基础设施没有配备 ML 工具链。
如今的研究平台也没有提供符合标准的验证和基准测试能力。如果没有可编程基站和核心节点网络元件，开发人员在快速原型设计方面会受到很大阻碍。
Aerial 研究云概述
Aerial 研究云已经消除了必须使用专有黑匣子和接口的束缚，以及对遗留编程工具的需求。没有必要重新设计基本的信号处理管道：软件定义的堆栈已经符合标准。
这个独特的平台利用 GPU 的巨大并行性，结合成熟的机器学习（ ML ）工具链，在高级无线通信中开启 ML 之旅。
Aerial 研究云亮点
- 首个完全可编程和可扩展的高级 5G 网络（ C ）
- 访问源代码（ C / C ++）
- 易于从扩展和更改网络行为Aerial SDK 第 1 层,OpenAir接口（ OAI ）第 2 层至Core软件堆栈
- ML 就绪
- 不要在括号之间转换关键字（例如 ServerName 、 ServerAdmin 等）PyTorch和TensorRT
- 模拟列车建造推理引擎：在Aerial研究云网络上验证
- 通过使用实现应用程序和分布式体系结构的边缘计算卸载MIG（多实例 – GPU ）架构
- Jumpstart 6G 链路级模拟NVIDIA Sionna
- O-RAN Specifications– 与 COTS 供应商的分类硬件和云原生软件一致的蓝图
- GIGABYTE 或 Dell 的现成服务器、多供应商 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 软件加速
- 网络作为研究沙箱
- NVIDIA 实验室认证的 5G NR 网络组件 BOM
- 易于设置和部署的云原生虚拟化平台
- 样品network deployment2023 年巴塞罗那-MWC
Aerial 研究云早期发布设置
图 2 显示了一个易于设置、灵活且可扩展的Aerial研究云网络。千兆字节服务器承载 NVIDIA A100 GPU 和 NVIDIA ConnectX6 DX NIC 。其中一个服务器是 gNB 服务器，而其他服务器承载核心节点网络功能。
精确计时源自特级大师，无线电单元集成在一起，为 OnePlus Nord 等商业用户设备提供Aerial无线连接。
要在您的研究和创新实验室建立一个专用的先进 5G 网络，请遵循以下步骤：
- 根据公布的物料清单（ BOM ）采购所有所需的硬件。
- 配置网络硬件。
- 安装软件以匹配已发布的版本清单。
- 通过成功运行双向 UDP 通信来验证设置。
有关详细信息、教程和完整的材料清单，请参见NVIDIA Aerial 研究云文档
如何使用Aerial研究云
Aerial 研究云提供了第 1 层、第 2 层和核心节点的源代码。访问源为第 1 层的 PDSH 和 PUSCH 、 MAC 层调度器以及包括多个Aerial研究云 gNB 的测试台的网络级研究的算法创新打开了大门。
在物理层引入机器学习的工作流程将从用于模型训练和模拟的 NVIDIA Sionna 库开始。该模型体系结构与 NVIDIA 机器学习 SDK 一起产生了一个高效的实现，可以集成到 Aerial SDK 第 1 层代码中。
Aerial 研究云中使用的Aerial层 1 是一个内联 GPU 加速的、完全由软件定义的处理管道。
今天，航空研究云中的 OAI 第 2 层托管在 CPU 上。但第二层 GPU 加速的潜力是巨大的。由于为第二层提供了来源，创新者有一条将他们的创作带入现实的道路。例如，有许多机会来加速第 2 层调度器。
在多小区网络中进行调度的一种常见方法是采用贪婪型调度器，其中每个小区都与所有其他小区隔离地进行调度。该方法没有提供最佳的能量效率或使系统的总速率吞吐量最大化。
一种更复杂的方法，其中在所有小区中联合优化调度，并考虑小区间干扰，并在 5G NR 波形中采用数据队列到时间 – 频率资源的优选调度。这是一个计算成本很高的优化，需要大量的实时数学。
Aerial研究云处理系统的核心是一个大规模并行的 GPU 。与调度器的源代码一起使用，可以实现这些类型的计算成本高昂的操作，不仅对第 1 层加速使用 GPU ，而且对第 2 层加速使用。
总结
这是研究界首次获得完整的端到端、Aerial传输、符合标准的 gNB 的源代码。从第 1 层和第 2 层到核心节点的一切都是用 C ++定义的，使研究人员能够在完全可编程的网络测试台中将他们的创新实现。
Aerial研究云旨在赢得创新者的心，我们期待听到您的用例、扩展和创新。有了这个加速的全栈和为创新者准备的 ML 平台，可能性是无限的。
- 观看 GTC 会话，通往 6G 的桥梁——航空研究与创新平台.
- 按照NVIDIA Aerial 研究云文档
- 通过更改源代码和重新编译进行实验。
- 扩展平台。例如，集成 OSC RIC 和板载 xApps 应用程序，以动态优化 RAN 行为。另一个例子是对 O-RAN 7.2 RU 进行互操作。
使用Aerial研究云将您的 ML 创新从概念转化为现实。有关更多信息，请发送电子邮件至aria@nvidia.com。我们很乐意收到您的来信！
