SoftBank’s new AI model boosts 5G speeds dramatically

• L'IA basée sur Transformer de SoftBank améliore le débit montant de 30 % et réduit la latence à moins de 0,34 ms dans un déploiement 5G en direct.
• Des tests simulés montrent que le débit descendant s'améliore de 31 % pour les terminaux mobiles, ouvrant la voie à des réseaux 5G-Advanced et prêts pour la 6G plus intelligents et plus rapides.

Que s'est-il passé: SoftBank dévoile un modèle d'IA basé sur Transformer pour le RAN 5G au Japon

SoftBank Corp., basée à Tokyo au Japon, a développé une nouvelle architecture d'IA pour les réseaux d'accès radio 5G. Elle utilise un modèle Transformer haute performance pour l'interpolation des canaux montants. Un test en direct conforme aux normes 3GPP 5G a montré une augmentation du débit montant d'environ 30 % par rapport aux méthodes non-IA. Cela provient d'un gain de 8 % par rapport au modèle CNN précédent de SoftBank, en plus de l'amélioration de base.

Ils ont exécuté le modèle sur des GPU dans un environnement hertzien en direct. Le Transformer a fonctionné en temps réel avec une latence ultra-faible: 338 microsecondes en moyenne. Cela représente environ 0,338 ms et est environ 26 % plus rapide que la version CNN. Voir aussi: Ziggo Group nomme ses dirigeants avant l'introduction en Bourse à Amsterdam en 2027.

SoftBank a également effectué des tests simulés de liaison descendante en utilisant la prédiction du signal de référence de sondage (SRS). Le modèle Transformer a augmenté le débit jusqu'à 29 % pour les terminaux se déplaçant à 80 km/h et jusqu'à 31 % à 40 km/h, soit plus du double de l'amélioration obtenue par le modèle MLP antérieur. Voir aussi: Alejandro Estua.

Lire aussi: SoftBank acquiert Ampere pour 6,5 milliards de dollars
Lire aussi: SoftBank présente les innovations AI RAN au MWC

Pourquoi c'est important

La nouvelle conception de SoftBank atteint l'objectif difficile de traitement en temps réel de moins d'une milliseconde. Elle est à la fois légère et haute performance. Elle utilise l'auto-attention pour capturer les larges corrélations temporelles et fréquentielles des signaux sans fil. Elle évite de normaliser les entrées pour préserver les données physiques essentielles des signaux, ce qui contribue à maintenir des performances élevées. Voir aussi: Alejandro Manzo.

Elle est également polyvalente. Avec de petites modifications de la couche de sortie, elle peut prendre en charge des tâches telles que l'estimation de canal, la prédiction SRS et la démodulation des signaux. Cela se traduit par une réduction du temps et des coûts de développement. Voir aussi: Alejandro Hernandez.

L'exécution de l'AI-RAN sur des GPU permet aux opérateurs d'améliorer les performances du réseau avec des mises à jour logicielles, même après le déploiement du matériel. Cela réduit les coûts d'investissement et permet aux opérateurs d'adopter facilement de nouveaux modèles d'IA améliorés ultérieurement. Voir aussi: Alejandro Garza.

SoftBank prévoit d'accélérer la commercialisation de cette technologie, ce qui pourrait contribuer à la construction de réseaux 5G-Advanced plus intelligents et plus rapides et jeter les bases des systèmes 6G. Voir aussi: Alejandro Guerrero.