Nvidiaが公開した無線向けツールが100万ダウンロードを超えた。数字より面白いのは、大学や通信事業者がその上で何を測ったかだ。
NVIDIA AI Aerialが1年で集めた開発者
Nvidiaは11月7日のブログで、無線ソフトウェアのAerialをオープンソース化してから1年がたったと書いた。Sionnaなどの6G向けツールも同じ時期に公開している。同社によると、AerialとSionnaの利用はこの1年で10倍に増えた。ダウンロードは100万件を超え、研究機関と大学は8,000以上が使っているという。ダウンロード数は利用者数ではない。それでも、無線の試作を始める場所がここに寄ったことは数字に出ている。
NVIDIA Sionnaでロボットの作業時間が縮む
キングス・カレッジ・ロンドンは、カメラ付きのロボットアームをJetson AGX Orinにつなぎ、Sionnaを動かした。この構成はソフトウェア定義の5Gと端末側のAI処理を同時に扱える。果物の箱詰めと積み木の実験では、わざと障害を入れたうえで、画像を丸ごと送る代わりに物体の短い説明を送る意味通信を使った。作業の完了時間は最大52.6%短くなり、成功率も上がった。デジタルツイン上で衝突も事前に確認している。
ソフトバンクのニューラル受信機が基地局に入る
ソフトバンクはニューラル受信機をAerial CUDA-Accelerated RAN（ACAR）に組み込み、市販の5Gスマートフォンで試した。15の条件すべてで従来の受信機より上りのスループットが高く、最大の差はおよそ60%だった。受信機は電波を信号に変える入口だ。ここを学習モデルに置き換えると、同じ電波でも取り出せる情報量が変わる。
AI-native 6Gは電波の使い方を変える
チューリッヒ工科大学はAerial Testbedを使い、学習済みの受信機を現地の測定データで調整した。ブロック誤り率は選んだ学習済みモデルと比べて3分の1以上下がり、AI-native 6Gという言葉が指すのは、こうした部品を規格の前提に置く発想だ。基地局のすべてをAIが動かすという話ではない。
open source RANのシミュレーションは3時間から15分へ
リーズ大学は10分先の需要を予測し、基地局を眠らせてよい時間を決める仕組みを作った。近くの基地局が代わりに端末を拾えるかを確認したうえで休ませる。DGX Sparkで動く可搬型の5Gネットワークとデジタルツインを使い、全面稼働の状態と比べて無線アクセス網の消費電力を45.6%減らした。CTTCはGPUで加速する電波伝搬モデルを5G-LENAに入れた。シミュレーションの実行時間は約3時間から10分から20分へ縮んだ。
Nvidia 6G toolsの数字は研究機関のもの
ここまでに出た52.6%や60%は、Nvidiaのベンチマークではない。キングス・カレッジ・ロンドンやソフトバンクがそれぞれの条件で出した結果を、Nvidiaがブログで紹介している。チューリッヒ工科大学とリーズ大学の数字も同じ扱いで、実験室と実機、都市と地方では条件が違う。数字はそのまま自分の環境に当てはまらない。
6Gはまだ標準化の途中だ
6Gの商用ネットワークは存在しない。3GPPの標準化作業が続いており、ここで紹介したのは研究用の試作とシミュレーションだ。NvidiaはGTC Washington, D.C.で6G開発者向けのセッションを予定している。日本の基地局は山間部で電力の確保が課題になり、消費電力を減らす研究の意味はそこにある。
通信の外にいる開発者にとっての意味
無線の知識がなくても、この道具立てに触れる理由はある。では、通信の仕事をしていない自分には関係がないか？ AI-nativeな無線を試すとき、基地局を買う前にシミュレータで確かめる流れがすでにできている。国内の大学や小規模なチームでも、GPUが1台あれば同じ入り口に立てる。次の四半期に見るべきは、これらの結果が別の研究室で再現されるかどうかだ。
