Les opérateurs sont confrontés à une série de problèmes en matière de performances RAN traditionnelles, notamment un débit limité, une latence élevée et une utilisation inefficace des ressources. Dans les déploiements commerciaux de la 5G, la performance de la liaison montante est souvent un sujet de préoccupation. En particulier, à la périphérie de la cellule où la puissance de transmission limitée de l’équipement utilisateur (UE) affecte le rapport signal/bruit (SNR), reçu par la station de base. Les algorithmes conventionnels d’estimation des canaux ne sont pas très performants dans les régions à faible rapport signal/bruit, en raison d’un bruit excessif. La modélisation IA offre une nouvelle approche en permettant une estimation précise du canal, en optimisant l’allocation des ressources et en réduisant la consommation d’énergie. Cela renforce la capacité du système, améliore l’efficacité du réseau et offre aux utilisateurs une expérience de qualité supérieure.

Les solutions d’émulation de canaux de Keysight offrent des capacités de génération de canaux pour une grande variété de conditions de canaux, ainsi que des capacités de traitement de signaux en temps réel et de radiofréquence (RF). Samsung a généré avec succès des modèles IA avancés pour l’estimation des canaux dans le récepteur de la liaison montante, ce qui a permis d’observer des gains significatifs dans l’environnement laboratoire. Ainsi, des simulations ont montré que l’utilisation d’un modèle d’intelligence artificielle pour l’estimation du canal, au lieu de l’approche statique actuelle basée sur des règles permettait d’améliorer de 30 % le débit en bordure de cellule. L’évaluation des performances de ce modèle d’IA a été réalisée à l’aide d’une configuration de bout en bout, comprenant le point radio de Samsung et une unité distribuée (DU), basée sur la plateforme NVIDIA AI Aerial. Il a été mis en œuvre sur la plateforme NVIDIA GH200 Grace Hopper Superchip et sur les solutions d’émulation de canal et d’émulation de cœur de Keysight.

Cette réalisation stimulera l’innovation et ouvrira la voie à l’adoption généralisée des technologies RAN améliorées par l’IA.