0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

用于链路级模拟的NVIDIA Sionna

星星科技指导员 来源:NVIDIA 作者:Nathan Horrocks 2022-04-06 16:21 次阅读

即使 5G 无线网络正在全球范围内安装和使用,学术界和工业界的研究人员已经开始为 6G 定义 愿景和关键技术 。虽然没有人知道 6G 将是什么,但一个反复出现的愿景是, 6G 必须能够以前所未有的规模创建数字双胞胎和分布式机器学习( ML )应用程序。 6G 研究需要新的工具。

支撑 6G 愿景的一些关键技术是被称为太赫兹波段的高频通信。在这个波段,更多的光谱是按数量级提供的。技术示例包括:

可重构智能表面( RIS ),用于控制电磁波的反射方式并实现最佳覆盖。

集成传感和通信( ISAC )将 6G 网络转化为传感器,为自动驾驶汽车、道路安全、机器人和物流提供了许多令人兴奋的应用。

机器学习有望在整个 6G 协议栈中发挥决定性作用,这可能会彻底改变我们设计和标准化通信系统的方式。

应对这些革命性技术的研究挑战需要新一代工具来实现突破,这些突破将定义 6G 时代的通信。原因如下:

许多 6G 技术需要模拟特定环境,例如工厂或小区,物理位置、无线信道脉冲响应和视觉输入之间具有空间一致性的对应关系。目前,这只能通过昂贵的测量活动或基于场景渲染和光线跟踪组合的高效模拟来实现。

随着机器学习和神经网络变得越来越重要,研究人员将从带有本地 ML 集成和自动梯度计算的链接级模拟器中受益匪浅。

6G 仿真需要前所未有的建模精度和规模。 ML 增强算法的全部潜力只能通过基于物理的模拟来实现,这些模拟以过去不可能的细节水平来解释现实。

介绍 NVIDIA Sionna

为了满足这些需求, NVIDIA 开发了 Sionna ,这是一个 GPU 加速的开源库,用于链路级模拟。

Sionna 能够快速原型化复杂的通信系统架构。这是世界上第一个能够在物理层使用神经网络的框架,并且不需要为数据生成、培训和性能评估使用单独的工具链。

Sionna 实施了一系列经过仔细测试的最先进算法,可用于基准测试和端到端性能评估。这可以让你专注于你的研究,使它更具影响力和可复制性,同时你花更少的时间实现你专业领域之外的组件。

Sionna 是用 Python 写成的,基于 TensorFlow 和 Keras 。所有组件都以 Keras 层的形式实现,这使您可以通过与构建神经网络相同的方式连接所需的层来构建复杂的系统架构。

除了少数例外,所有组件都是可微的,因此梯度可以在整个系统中反向传播。这是系统优化和机器学习的关键因素,尤其是神经网络的集成。

NVIDIA GPU acceleration 提供了几个数量级的更快模拟,并可扩展到大型多 GPU 设置,从而实现此类系统的交互式探索。如果没有 GPU 可用,那么 Sionna 甚至可以在 CPU 上运行,尽管速度较慢。

Sionna 提供了丰富的 documentation 和一系列教程,使其易于入门。

Sinna 的第一个版本具有以下主要功能:

5G LDPC 、 5G 极性码和卷积码、速率匹配、 CRC 、交织器、扰码器

各种解码器: BP 变体、 SC 、 SCL 、 SCL-CRC 、维特比

QAM 和定制调制方案

3GPP 38.901 信道模型( TDL 、 CDL 、 RMa 、 UMa 、 Umi )、瑞利、 AWGN

正交频分复用

MIMO 信道估计、均衡和预编码

Sionna 是根据 Apache 2.0 许可证发布的,我们欢迎外部各方的贡献。

你好,Sionna!

下面的代码示例显示了一个“你好,世界!”模拟使用 16QAM 调制在 AWGN 信道上传输一批 LDPC 码字的示例。本例显示了如何实例化 Sionna 层,并将其应用于先前定义的张量。编码风格遵循 Keras 的 functional API 。您可以在 Google Collaboratory 上的 Jupyter notebook 中直接打开此示例。即使 5G 无线网络正在全球范围内安装和使用,学术界和工业界的研究人员已经开始为 6G 定义 愿景和关键技术 。虽然没有人知道 6G 将是什么,但一个反复出现的愿景是, 6G 必须能够以前所未有的规模创建数字双胞胎和分布式机器学习( ML )应用程序。 6G 研究需要新的工具。

支撑 6G 愿景的一些关键技术是被称为太赫兹波段的高频通信。在这个波段,更多的光谱是按数量级提供的。技术示例包括:

可重构智能表面( RIS ),用于控制电磁波的反射方式并实现最佳覆盖。

集成传感和通信( ISAC )将 6G 网络转化为传感器,为自动驾驶汽车、道路安全、机器人和物流提供了许多令人兴奋的应用。

机器学习有望在整个 6G 协议栈中发挥决定性作用,这可能会彻底改变我们设计和标准化通信系统的方式。

应对这些革命性技术的研究挑战需要新一代工具来实现突破,这些突破将定义 6G 时代的通信。原因如下:

许多 6G 技术需要模拟特定环境,例如工厂或小区,物理位置、无线信道脉冲响应和视觉输入之间具有空间一致性的对应关系。目前,这只能通过昂贵的测量活动或基于场景渲染和光线跟踪组合的高效模拟来实现。

随着机器学习和神经网络变得越来越重要,研究人员将从带有本地 ML 集成和自动梯度计算的链接级模拟器中受益匪浅。

6G 仿真需要前所未有的建模精度和规模。 ML 增强算法的全部潜力只能通过基于物理的模拟来实现,这些模拟以过去不可能的细节水平来解释现实。

介绍 NVIDIA Sionna

为了满足这些需求, NVIDIA 开发了 Sionna ,这是一个 GPU 加速的开源库,用于链路级模拟。

Sionna 能够快速原型化复杂的通信系统架构。这是世界上第一个能够在物理层使用神经网络的框架,并且不需要为数据生成、培训和性能评估使用单独的工具链。

Sionna 实施了一系列经过仔细测试的最先进算法,可用于基准测试和端到端性能评估。这可以让你专注于你的研究,使它更具影响力和可复制性,同时你花更少的时间实现你专业领域之外的组件。

Sionna 是用 Python 写成的,基于 TensorFlow 和 Keras 。所有组件都以 Keras 层的形式实现,这使您可以通过与构建神经网络相同的方式连接所需的层来构建复杂的系统架构。

除了少数例外,所有组件都是可微的,因此梯度可以在整个系统中反向传播。这是系统优化和机器学习的关键因素,尤其是神经网络的集成。

NVIDIA GPU acceleration 提供了几个数量级的更快模拟,并可扩展到大型多 GPU 设置,从而实现此类系统的交互式探索。如果没有 GPU 可用,那么 Sionna 甚至可以在 CPU 上运行,尽管速度较慢。

Sionna 提供了丰富的 documentation 和一系列教程,使其易于入门。

Sinna 的第一个版本具有以下主要功能:

5G LDPC 、 5G 极性码和卷积码、速率匹配、 CRC 、交织器、扰码器

各种解码器: BP 变体、 SC 、 SCL 、 SCL-CRC 、维特比

QAM 和定制调制方案

3GPP 38.901 信道模型( TDL 、 CDL 、 RMa 、 UMa 、 Umi )、瑞利、 AWGN

正交频分复用

MIMO 信道估计、均衡和预编码

Sionna 是根据 Apache 2.0 许可证发布的,我们欢迎外部各方的贡献。

你好,Sionna!

下面的代码示例显示了一个“你好,世界!”模拟使用 16QAM 调制在 AWGN 信道上传输一批 LDPC 码字的示例。本例显示了如何实例化 Sionna 层,并将其应用于先前定义的张量。编码风格遵循 Keras 的 functional API 。您可以在 Google Collaboratory 上的 Jupyter notebook 中直接打开此示例。

batch_size = 1024
n = 1000 # codeword length
k = 500 # information bits per codeword
m = 4 # bits per symbol
snr = 10 # signal-to-noise ratio c = Constellation("qam",m,trainable=True)
b = BinarySource()([batch_size, k])
u = LDPC5GEncoder (k,n)(b)
x = Mapper (constellation=c)(u)
y = AWGN()([x,1/snr])
11r = Demapper("app", constellation=c)([y,1/snr])
b_hat = LDPC5GDecoder(LDPC5GEncoder (k, n))(11r)

Sionna 的一个关键优势是,组件可以进行训练或由神经网络代替。 NVIDIA 使Constellation可训练,并用NeuralDemapper取代Demapper,后者只是通过 Keras 定义的神经网络。

c = Constellation("qam",m,trainable=True)
b = BinarySource()([batch_size, k])
u = LDPC5GEncoder (k,n)(b)
x = Mapper (constellation=c)(u)
y = AWGN()([x,1/snr])
11r = NeuralDemapper()([y,1/snr])
b_hat = LDPC5GDecoder(LDPC5GEncoder (k, n))(11r)

在这种情况下,定义星座点的张量现在变成了一个可训练的 TensorFlow 变量,可以通过 TensorFlow 自动微分功能与NeuralDemapper的权重一起跟踪。由于这些原因, SIONA 可以被视为一个可微链路级模拟器。

展望未来

很快, Sionna 将允许集成光线跟踪来取代随机通道模型,从而实现许多新的研究领域。超快射线追踪是通信系统数字孪生的关键技术。例如,这使得建筑物的架构和通信基础设施的共同设计能够实现前所未有的吞吐量和可靠性。


图 3 。从 Jupyter 笔记本电脑中访问硬件加速光线跟踪功能

Sionna 利用计算( NVIDIA CUDA 核)、 AI ( NVIDIA 张量核)和 NVIDIA GPU 的光线跟踪核对 6G 系统进行闪电般的模拟。

关于作者

Nathan Horrocks 是 NVIDIA Research 的内容营销经理。他重点强调了 NVIDIA 实验室在世界各地进行的惊人研究。

审核编辑:郭婷

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • gpu
    gpu
    +关注

    关注

    28

    文章

    4733

    浏览量

    128911
  • 无线网
    +关注

    关注

    0

    文章

    102

    浏览量

    21225
  • 5G
    5G
    +关注

    关注

    1354

    文章

    48441

    浏览量

    564074
收藏 人收藏

    评论

    相关推荐

    静态路由和聚合的通信原理

    静态路由和聚合的通信原理
    发表于 12-23 16:59 0次下载

    调试PCIE动态均衡介绍

    ,它会衰减数据流中的关键高频分量,此外,由连接器和过孔引起的阻抗不连续会进一步降低性能。 PCIe均衡可应用于发送端 (TxEQ)、
    的头像 发表于 12-05 09:18 353次阅读
    调试PCIE<b class='flag-5'>链</b><b class='flag-5'>路</b>动态均衡介绍

    PCle培训概述

    电子发烧友网站提供《PCle培训概述.pdf》资料免费下载
    发表于 09-11 09:16 0次下载
    PCle<b class='flag-5'>链</b><b class='flag-5'>路</b>培训概述

    NVIDIA和Meta CEO探讨AI与仿真模拟技术的潜力

    NVIDIA 和 Meta 的首席执行官将在一次难得的公开活动中共同探讨 AI 与仿真模拟技术的潜力。
    的头像 发表于 09-09 09:14 465次阅读

    一般是需要在信号输入和输出作阻抗匹配,请问有没有必要像图上那样信号传输的每都做阻抗匹配?

    一般是需要在信号输入和输出作阻抗匹配,请问有没有必要像图上那样信号传输的每都做阻抗匹配?
    发表于 09-05 07:10

    IR615如何实现VPN备份?

    网络连通性,可以看到模拟故障后丢失三个数据包。 模拟故障恢复,连接wan口网线,查看路由表。可以看到路由已经恢复到wan口。 OpenServer端查看看,可以看到恢复丢失四个数据
    发表于 07-25 08:27

    IG网关产品实现备份的方法

    。 同时可以启用ICMP侦测功能确保通讯信号的时效性。 三:WiFi模式设定为STA后重启设备,设定并扫描需要连接的WiFi输入密码,应用连接。以上连接均可以在IG设备主页或IR设备网络连接的页面下
    发表于 07-24 08:25

    如何识别光纤问题?

    光纤网络专为连续运行而设计。通常,光纤网络以最佳效率运行。然而,网络中有时会遇到光纤问题。由于光纤网络的复杂性,这些光纤问题很难识别。然而,为了确保光纤网络的最佳性能,识别和解
    的头像 发表于 06-11 10:12 541次阅读

    NVIDIA Omniverse USD Composer能用来做什么?如何获取呢?

    NVIDIA Omniverse™ USD Composer(以前称为 Create)是 NVIDIA Omniverse™ 中用于构建虚拟世界的参考应用程序,允许用户进行组装、模拟
    的头像 发表于 05-20 10:07 819次阅读
    <b class='flag-5'>NVIDIA</b> Omniverse USD Composer能用来做什么?如何获取呢?

    如何辨别光纤的好坏?

    辨别光纤的好坏,通常涉及一系列测试和检查步骤。以下是一些主要的方法: 光学连通性测试:检查光纤的光学连通性。当输出端测到的光功率与输入端实际输入的光功率的比值小于一定的数值时,
    的头像 发表于 04-11 11:48 1051次阅读

    A9680采集低频信号时 发生204B断开的问题

    )采集到的波形十分完美,204B稳定 2、当输入正弦波频率降低到50K时,开始会有解码错误 3、当输入正弦波频率降到30K及以下时,204B就会断开 测过AD9680的设备时钟
    发表于 04-09 08:15

    永久、信道测试的区别

    永久测试和信道测试是网络和通信领域中两个不同的概念,它们通常用于确保网络和通信系统的可靠性和性能。 永久测试(Permanent L
    的头像 发表于 03-25 10:59 2544次阅读

    NVIDIA 推出 Blackwell 架构 DGX SuperPOD,适用于万亿参数的生成式 AI 超级计算

    ——  NVIDIA 于今日发布新一代 AI 超级计算机 —— 搭载 NVIDIA GB200 Grace Blackwell 超级芯片的 NVIDIA DGX SuperPOD™。这台 AI 超级计算机可以
    发表于 03-19 10:56 424次阅读
    <b class='flag-5'>NVIDIA</b> 推出 Blackwell 架构 DGX SuperPOD,适<b class='flag-5'>用于</b>万亿参数<b class='flag-5'>级</b>的生成式 AI 超级计算

    无线控制协议和作用

    无线控制协议是一种用于在无线通信系统中控制数据传输和管理无线的协议。它定义了在无线路上
    的头像 发表于 02-01 10:51 888次阅读

    Eth-Trunk聚合技术的原理与配置

    随着网络中部署的业务不断增长,对于全双工点对点,单条物理的带宽可能已经不能满足正常业务流量的需求,而且单条
    的头像 发表于 01-02 09:40 1036次阅读
    Eth-Trunk<b class='flag-5'>链</b><b class='flag-5'>路</b>聚合技术的原理与配置