Performances de l’IA de référence dans les systèmes sans fil 6G

Les ingénieurs du sans fil cherchent à intégrer l’intelligence artificielle (IA) et le machine learning (ML) dans les réseaux 5G et 6G. Pour déployer l’IA dans des systèmes du monde réel, elle doit présenter des gains de performances mesurables par rapport aux méthodes traditionnelles pour justifier l’investissement dans de nouveaux matériels et logiciels. Les ingénieurs doivent évaluer leur IA en simulation et en banc de test temps réel pour démontrer ses performances dans des conditions de déploiement pratiques. Pour comparer les performances de l’IA aux méthodes traditionnelles, les ingénieurs ont besoin des éléments suivants :

 

  • ​Un moyen de collecter des données concrètes et mesurées sur les performances des algorithmes d’IA
  • ​Un accès à une liaison sans fil temps réel modifiable pour montrer comment l’IA fonctionne au niveau du système
  • ​Un banc de test capable de facilement basculer entre l’algorithme traditionnel et l’algorithme d’IA

Banc de test de performances IA/ML

  • Un émulateur de station de base temps réel (gNB) et un émulateur d’équipement utilisateur temps réel (UE) fonctionnent sur des serveurs standard à l’aide du logiciel OpenAirInterface (OAI) 5G NR
  • Les périphériques de radio logicielle NI Ettus USRP servent de frontal RF pour créer un banc de test sans fil, ou ils peuvent être connectés à un émulateur de voie pour changer les modèles de voie signal-bruit et exécuter des modèles d’évanouissement de voie
  • Le logiciel OAI gNB peut basculer entre l’exécution d’un algorithme traditionnel ou d’un modèle ML dans TensorFlow™
  • Des scénarios de validation spécifiques peuvent être exécutés avec les modèles traditionnels et ML pour collecter des données de performances sur la manière dont chaque méthode fonctionne dans des conditions de voie définissables et reproductibles
  • Compatible avec l’API d’enregistrement de données RF pour créer une configuration de test complète pour la recherche en IA, des modèles de formation à la mesure des performances système des réseaux améliorés en IA

Avantages de la solution

Découvrez comment mesurer les performances d’un modèle d’IA dans la vidéo

Exemple de récepteur neuronal pour réseaux 6G

Le matériel de radio logicielle NI peut être utilisé pour construire un banc de test afin de mesurer les performances d’un modèle d’IA dans un réseau sans fil temps réel. Découvrez comment ce banc de test peut être utilisé pour mesurer les performances d’un récepteur neuronal par rapport aux méthodes traditionnelles de cette démonstration.

CONSTRUISEZ VOTRE SOLUTION AVEC L’ÉCOSYSTÈME NI

NI propose plusieurs options d’intégration de solutions adaptées aux besoins spécifiques de votre application. Vous pouvez faire appel à vos équipes d’intégration internes pour un contrôle complet du système ou tirer parti de l’expertise de NI et de notre réseau mondial de partenaires NI pour obtenir un système clé en main.

Réseau de partenaires NI

Le Réseau de partenaires NI est une communauté mondiale d’experts en développement de domaines, d’applications et de tests globaux travaillant en étroite collaboration avec NI pour répondre aux besoins de la communauté des ingénieurs. Les partenaires NI sont des gestionnaires de solutions de confiance, des intégrateurs de systèmes, des consultants, des développeurs de produits et des experts des services et des canaux de vente qualifiés dans un large éventail d'industries et de domaines d'application.

Services et assistance

NI accompagne les clients tout au long de la vie d’une application, proposant des services de formation, de support technique, de conseil et d’intégration ainsi que des programmes de maintenance. Les équipes peuvent découvrir de nouvelles compétences en se joignant à des groupes d’utilisateurs de différentes régions et spécifiques à NI, et acquérir une maîtrise grâce à une formation en ligne et en présentiel.

Webinaire sur le test de performances IA/ML

En savoir plus sur le banc de test de performances IA/ML  Ce webinaire présente la configuration du banc de test et passe en revue en détail l’exemple d’utilisation du récepteur neuronal.  Il traite de la configuration du système, des résultats et des principaux enseignements tirés des recherches.

TensorFlow, le logo TensorFlow et toute marque associée sont des marques déposées de Google Inc.