S6221A AI RAN Simulation Toolset

Решения для тестирования RAN с поддержкой ИИ

Введение

Беспроводные сети быстро эволюционируют от статических архитектур, определяемых аппаратными средствами, к интеллектуальным программно-определяемым системам, способным к самооптимизации. По мере того как современные сети обеспечивают массовую связность, разнообразные требования к услугам и работу в сложных радиосредах, традиционное управление на основе правил становится недостаточным. Это привело к переходу к AI-native архитектурам сетей, в которых интеллектуальная обработка данных встроена во весь сетевой стек, открывая путь к AI RAN (Artificial Intelligence-driven Radio Access Network) — следующему поколению сетей радиодоступа, использующему ИИ для повышения эффективности, адаптивности и производительности.

Keysight AI RAN Simulation Toolset предоставляет унифицированные решения для разработчиков телекоммуникационных систем, позволяющие:

Что такое AI RAN?

AI RAN означает интеграцию методов искусственного интеллекта и машинного обучения в RAN (Radio Access Network) для оптимизации производительности беспроводной сети, управления ресурсами и энергоэффективности. В RAN с поддержкой ИИ модели анализируют сетевые данные в реальном времени, чтобы обеспечивать автономное принятие решений, например динамическое формирование луча, управление помехами и прогнозирование трафика, улучшая пропускную способность, задержку и общий пользовательский опыт. Такой подход представляет собой ключевой этап эволюции к более адаптивным, самооптимизирующимся сетям 5G и 6G.

Рабочий процесс AI RAN и задачи тестирования

Рабочий процесс AI RAN, показанный на рисунке 2, представляет собой непрерывный цикл, связывающий управление данными, обучение и оценку моделей, а также бенчмаркинг и объяснимость. Он начинается с управления данными, в рамках которого разнообразные сетевые источники данных собираются, курируются и подготавливаются для анализа. Эти данные поступают на этап обучения и оценки модели, где модели ИИ проектируются, обучаются и тестируются для решения конкретных задач оптимизации RAN, таких как планирование, формирование луча или обнаружение аномалий.

Затем полученные модели проходят бенчмаркинг и оценку объяснимости, в ходе которых их производительность, надёжность и интерпретируемость проверяются посредством развёртывания в лабораторной среде, цифровом двойнике или действующей сети. Результаты этого этапа возвращаются в контур управления данными, обеспечивая непрерывное совершенствование моделей ИИ и динамическую адаптацию системы AI RAN к реальным условиям сети.

Ключевые задачи разработки и валидации решений AI RAN связаны с качеством данных, масштабируемостью и проверкой производительности, как показано на рисунке 3.

Keysight AI RAN Simulation Toolset

Keysight AI RAN Simulation Toolset состоит из следующих ключевых компонентов:

Формирование высококачественных, достоверных синтетических наборов данных

С помощью Keysight S6221A AI RAN Simulation Toolset пользователи могут использовать синтетические данные, создаваемые Keysight, в дополнение к данным действующей сети.

Следующие конкретные шаги позволяют формировать реалистичные синтетические данные, необходимые для обучения модели ИИ.

Кому подходит это решение?

Компоненты решения

Источники данных

Источник данных — сетевой цифровой двойник

Network Digital Twin обеспечивает моделирование и аналитику в реальном времени на всех уровнях сети — от PHY и MAC до приложений и планирования, ускоряя оптимизацию, развёртывание и устранение неисправностей беспроводных систем следующего поколения с использованием ИИ.

Keysight Network Digital Twin обеспечивает:

Источник данных — эмулируемые испытательные стенды

Продукты, показанные на рисунке 17:

Keysight предоставляет широкий набор платформ-эмуляторов и испытательных стендов:

Источник данных — действующая сеть

Keysight AI RAN Simulation Toolset поддерживает загрузку конфигураций действующей сети (cell, node, band и т. д.) и траекторий геолокации абонентов совместно с Network Digital Twin.

Источники данных действующей сети включают:

Для использования действующей сети как источника данных требуется обработка необработанных данных для формирования обучающих данных.

AI Development Platform

AI Development Platform предоставляет удобный пользовательский интерфейс и механизм для управления данными ИИ, управления моделями и бенчмаркинга моделей с целью оценки и совершенствования пользовательской сети с поддержкой ИИ. Ниже приведены некоторые ключевые функции AI Development Platform.

Рисунок 20.

Управление моделями.

Рисунок 21.

Бенчмаркинг модели ИИ.

Рисунок 22.

Бенчмаркинг производительности RAN.

Ключевые сценарии применения AI RAN

Категории сценариев применения

На рисунке ниже показаны три критически важных подхода к валидации моделей и систем ИИ в сетевых средах: High Scale, High Fidelity и Module Validation.

Вместе эти уровни валидации формируют комплексную основу для обеспечения надёжного, масштабируемого и точного внедрения ИИ в сетевых системах.

Пример сценария — энергоэффективность: rApp переключения ячеек On/Off

Этот сценарий ориентирован на обучение и оптимизацию модели ИИ ES-rApp для снижения энергопотребления в сетях радиодоступа нескольких городов. Рабочий процесс включает:

Заключение

Keysight AI RAN Simulation Toolset упрощает процесс разработки и тестирования RAN с поддержкой ИИ.

Связанные решения