Ferramentas open source da NVIDIA ganham tração na pesquisa de redes 6G, segundo a empresa

Segundo a NVIDIA, um ano depois de abrir o código do Aerial, o software junto com o Sionna e outras ferramentas open source de 5G/6G já soma mais de 1 milhão de downloads, adoção global 10 vezes maior de NVIDIA AI Aerial e Sionna e mais de 8.000 instituições de pesquisa e acadêmicas. São números informados pela própria empresa, sem auditoria externa no texto.

Os casos mostram a stack em uso em frentes diferentes. No King's College London, um braço robótico com câmera rodou o Sionna num Jetson AGX Orin e trocou imagens completas por descrições compactas de objetos (comunicação semântica orientada a objetivo), com queda de até 52,6% no tempo de conclusão. A SoftBank integrou um neural receiver ao Aerial CUDA-Accelerated RAN (ACAR) e testou com smartphone 5G comercial: uplink melhor em todas as 15 configurações, com ganho máximo de cerca de 60%, em testes controlados com interferência. A ETH Zurich, no Aerial Testbed, reduziu a taxa de erro de bloco em mais de um terço ao ajustar receivers com medições locais, contra versões pré-treinadas selecionadas. Na University of Leeds, um sistema que prevê a demanda 10 minutos à frente e decide o modo de espera de estações-base reportou 45,6% menos consumo de energia da RAN, num "network-in-a-box" com DGX Spark. No CTTC, modelos de canal acelerados por GPU no simulador 5G-LENA cortaram a simulação de cerca de três horas para 10 a 20 minutos, em avaliação inicial.

Para quem trabalha com ML aplicado a telecom, a leitura é que o gargalo está migrando da pesquisa em simulação para a validação em hardware real, com receivers neurais testados em celular comercial. Ainda são resultados de laboratório e testes controlados, não de rede em produção. O dado de simulação mais rápida pode pesar mais no dia a dia, porque permite comparar mais projetos por ciclo.