无线通信研究蕴含着丰富的创意与强大的计算能力。然而，研究人员能够模拟的内容，与其实际能够构建并测试的系统之间，仍存在根本性的脱节。在机器学习（ML）等相邻领域，得益于开放的框架和加速硬件的支持，研究进展迅速。然而，由于在蜂窝基础设施中部署新技术面临诸多挑战，许多具有颠覆性的构想始终难以实现。
NVIDIA Sionna：推动 6G 研究走向普及
NVIDIA 很早就意识到了这一障碍，并推出了 NVIDIA Sionna，这是一个用于 GPU 加速 6G 研究的开源库。目前，已有超过 540 篇科学出版物引用了 Sionna，其源代码下载量也已突破 20 万次。它的成功得益于其开放性，包括详尽的文档、教科书级别的教程，以及简便的 Python 安装方式：
pip install sionnaSionna 使研究人员和开发者能够快速进行原型设计，即使在没有 GPU 的情况下也能实现。然而，无论模拟多么复杂，始终存在局限性。您可以对通道条件进行建模，却难以完整捕捉现实世界射频 (RF) 传播的复杂性，包括硬件损伤、邻近小区的干扰，以及真实网络流量中出现的突发行为。要实现真正突破性的创新，必须通过实际部署、测试并收集真实世界的数据来验证和完善系统。
NVIDIA Sionna 研究套件：AI 原生 6G 盒中实验室
The Sionna 研究套件是一个实时、加速且完全开放的无线研发平台，基于 OpenAirInterface (OAI) 构建，在 NVIDIA DGX Spark 上运行。该平台通过软件定义无线电 (SDR) 和实时运行的 5G 核心网络，提供完整的基站功能。
让您的 DGX Spark 准备就绪，只需五个步骤即可运行首个模拟：
git clone https://github.com/NVlabs/sionna-rk.git && cd sionna-rk
make prepare-system
sudo reboot
make sionna-rk
./scripts/start_system.sh rfsim_arm64 Sionna 研究套件不仅是一个试验平台，更是一个开放平台，支持在统一的内存架构中加速 AI、机器学习、信号处理算法和光线追踪。无需依赖固定功能加速器，您可以深入检查、灵活修改并全面优化整个电信软件堆栈的每一层。
从物理层处理、MAC 调度，到核心网络路由，整个系统均对外开放用于实验，包括 RAN 智能控制器（RIC）。可将其视为无线设备，相当于对基础设施拥有完全的根访问权限。
探索 Sionna 研究套件教程
即使是大型项目，也只需一行代码，而这往往最具挑战性。Sionna 研究套件附带一套全面的教程，将这些第一行代码作为您自主创新的 blueprint。
您将学习如何利用 GPU 加速的 LDPC 解码来提升物理层性能。通过现实世界的数据采集教程，您将掌握如何使用 Sionna 研究套件捕获并记录真实的 5G 信号。随后，在神经 Demapper 集成教程中，您将了解如何训练基于神经网络的 Demapper，并借助 NVIDIA TensorRT 将其集成至 5G 堆栈，实现高效实时推理。最后，软件定义的端到端 5G 网络教程将指导您使用软件定义的用户设备（UE）模拟完整的端到端系统，从而探索新型的非标准化算法与协议。
实时数字孪生网络
图 2 展示了在单台 DGX Spark 上能够实现的效果。我们部署了一个完整的基站，但并未进行无线信号辐射（这需要频谱许可证），而是将信号接入由实时光线追踪驱动的 GPU 加速信道仿真系统。NVIDIA RT Core 可在高度逼真的 3D 环境中计算物理精确的信道脉冲响应；NVIDIA CUDA Core 负责将这些响应应用于基带信号，同时执行 LDPC 解码任务；此外，NVIDIA Tensor Core 可加速 PUSCH 神经接收器，并支持其性能评估。
商用 5G 调制解调器通过线缆连接，确保通道在物理层面与真实世界的射频环境保持一致。整个工作流程采用统一的系统内存，有效避免了冗余的数据传输。当虚拟用户在光线追踪场景中移动时，运行于近实时 RIC 上的 xApp 会持续监控性能指标。您将获得一个完整的射频环境交互式数字孪生，相当于一个集成化的 6G 实验室——一个集成了 DGX Spark 架构的设备，其每个组件均能精准实现设计功能。
纵向扩展：构建大规模无线电地图
您在单个 DGX Spark 上开发的内容，可借助相同的代码和光线追踪引擎扩展至 NVIDIA DGX 云，实现高出数个数量级的计算能力。单个 DGX Spark 能在数秒内生成包含数百个基站的城镇级详细无线电地图，支持本地部署下的实时网络规划。
当需要覆盖整个大陆时，云计算将发挥关键作用。通过在 96 个 NVIDIA L40S GPU 上追踪超过 35 万亿条光线，我们仅用 5 分钟便完成了对美国大陆 5G 覆盖情况的模拟（参见图 3）。这标志着无线网络规划与优化方式的根本性变革：运营商能够评估新的频谱分配方案，在密集城市环境中模拟毫米波部署，并以基于物理原理的高精度（而非统计近似）将非地面网络（如卫星和高空平台）集成到现有基础设施中。
在单个 DGX Spark 上实时模拟紧凑环境，并通过扩展高效模拟整个国家或地区，重新定义了新一代无线网络部署的可能性。
署名：Google 地图 (GEBCO – Landsat/Copernicus、Vexcel Imaging US，Inc.、IBCAO、Landsat/Copernicus – Airbus、LDEO-Columbia、NGA、NOAA、NSF、SIO、U.S. Navy)、Cesium Ion、OpenStreetMap、Mapzen、OpenCelliD。
了解详情
访问 NVlabs/sionna-rk 上的 GitHub 并查看相关教程。Sionna 研究套件是 NVIDIA AI Aerial 产品组合 的一部分，集成了多种加速计算平台、软件库与工具，帮助开发者高效构建、训练、模拟和部署 AI 原生 RAN 系统，加速从原型设计到生产的进程。
