हाल ही में एक सफल प्रदर्शन में AI-RAN (कृत्रिम बुद्धिमत्ता रेडियो एक्सेस नेटवर्क) का उपयोग किया गया, जिसने पूरी तरह से NVIDIA के ग्राफ़िक्स प्रोसेसिंग यूनिट (GPU) पर रेडियो सिग्नल प्रोसेसिंग की। यह उन पारंपरिक प्रणालियों से एक बड़ा बदलाव है जो भौतिक परत (PHY) पर प्रोसेसिंग के लिए समर्पित हार्डवेयर, विशेष रूप से फ़ील्ड-प्रोग्रामेबल गेट एरेज़ (FPGAs) या एप्लिकेशन-विशिष्ट एकीकृत सर्किट (ASICs) पर अत्यधिक निर्भर थे।
आउटडोर परीक्षण में, सॉफ्टबैंक ने वास्तविक परिस्थितियों में सर्वोच्च प्रदर्शन दिखाया। उन्होंने एक अत्याधुनिक, वर्चुअलाइज्ड RAN (vRAN) संरचना का उपयोग किया जो NVIDIA के GPU पर बड़े पैमाने पर CUDA-त्वरित समानांतर संगणन का उपयोग करके यह प्रसंस्करण करता है। इस आर्किटेक्चर में यह भी शामिल है AI प्रसंस्करण।
पूरे परीक्षण के दौरान, AITRAS ने GPU के कुशल समानांतर प्रसंस्करण कौशल का उपयोग करके मैसिव MIMO और PHY-लेयर सिग्नल प्रोसेसिंग के लिए आवश्यक व्यापक मैट्रिक्स गणनाएँ कीं। यह पूरी तरह से वितरित इकाई (DU) के भीतर सॉफ्टवेयर में ही संभव हुआ। परिणामस्वरूप, सॉफ्टबैंक ने बाहरी परिस्थितियों में 16-लेयर MU-MIMO डाउनलिंक के स्थिर कार्य की पुष्टि की। मानक चार-लेयर सेटअप की तुलना में, स्पेक्ट्रल दक्षता और थ्रूपुट दोनों में लगभग तीन गुना सुधार हुआ।
यह सफलता GPU पर PHY-लेयर निष्पादन की एक ठोस पुष्टि है। यह RAN के निर्दिष्ट प्रसंस्करण समय के भीतर स्थिर मैसिव MIMO संचालन को सक्षम बनाता है। यह एक महत्वपूर्ण तकनीकी मील का पत्थर है जो AI-RAN के व्यावसायीकरण की ओर ले जाता है।
AITRAS मॉडल में, DU और O-RAN-अनुपालक रेडियो यूनिट के बीच कनेक्शन O-RAN स्प्लिट विकल्प 7.2x का पालन करता है। जहाँ कुछ मैसिव MIMO कार्यान्वयन अपलिंक चैनल अनुमान और समतुल्यकरण प्रसंस्करण के कुछ हिस्सों को DU से O-RU में स्थानांतरित करते हैं, वहीं AITRAS DU के भीतर पूरी तरह से सॉफ़्टवेयर-आधारित दृष्टिकोण का उपयोग करता है। यह GPU कंप्यूटिंग शक्ति का उपयोग करता है और अतिरिक्त कार्यों की आवश्यकता के बिना सामान्य-उद्देश्य वाले O-RU का उपयोग करके एक मैसिव MIMO पारिस्थितिकी तंत्र बनाने में सहायता करता है।
विभिन्न O-RU से अपलिंक रेडियो सिग्नलों को एक एकीकृत AI प्रोसेसिंग यूनिट से सुसज्जित एकल DU में संयोजित करके, रेडियो सिग्नल गुणवत्ता के लिए AI-आधारित समन्वित नियंत्रण को कई O-RU में प्रभावी ढंग से क्रियान्वित किया जा सकता है। यह अपलिंक चैनल इंटरपोलेशन के माध्यम से रेडियो सिग्नल की गुणवत्ता में सुधार करता है और उन्नत बीमफॉर्मिंग तकनीकों के माध्यम से क्षमता को बढ़ाता है।
AITRAS के विकास का उद्देश्य AI-RAN के व्यावहारिक कार्यान्वयन में तेज़ी लाना है, जिससे अगली पीढ़ी के नेटवर्क के बुनियादी ढाँचे को और अधिक टिकाऊ और लचीला बनाया जा सके। योजना इसका उद्देश्य क्षेत्र परीक्षण जारी रखना तथा 2026 तक AITRAS को वाणिज्यिक नेटवर्क में शामिल करना है।
सॉफ्टबैंक द्वारा हाल ही में किये गए प्रदर्शन का क्या महत्व है?
यह प्रदर्शन महत्वपूर्ण है क्योंकि इससे पता चला कि रेडियो सिग्नल प्रोसेसिंग पूरी तरह से NVIDIA के GPU पर AI-RAN का उपयोग करके किया जा सकता है, जो समर्पित हार्डवेयर पर पारंपरिक निर्भरता से हटकर है।
वास्तविक दुनिया की परिस्थितियों में AI-RAN का अनुमानित प्रभाव क्या है?
AI-RAN ने वास्तविक दुनिया की परिस्थितियों में उच्च प्रदर्शन का प्रदर्शन किया, जिससे स्पेक्ट्रल दक्षता और थ्रूपुट दोनों में लगभग तीन गुना सुधार हुआ। इससे संचार गुणवत्ता और बेस स्टेशनों की समग्र क्षमता में उल्लेखनीय वृद्धि हो सकती है।
AITRAS के विकास का दीर्घकालिक लक्ष्य क्या है?
इसका लक्ष्य AI-RAN के व्यावहारिक कार्यान्वयन में तेज़ी लाना है, जिससे अगली पीढ़ी के नेटवर्क के ज़्यादा टिकाऊ और लचीले बुनियादी ढाँचे के निर्माण में योगदान मिल सके। सॉफ्टबैंक की योजना 2026 तक AITRAS को अपने वाणिज्यिक नेटवर्क में शामिल करने की है।
