6G a V2X – Como os digital twins melhoraram as implementações de rede

Digital twins — odelos virtuais de sistemas físicos como 6G, NTN e 5G — possibilitam simular, analisar e otimizar todos os sistemas e componentes de rede, incluindo seus elementos não terrestres. Isso é especialmente útil para acelerar implementações e identificar gargalos e desvantagens antes que se tornem problemas reais.

Nesta série de blogs em duas partes, examinaremos como a implementação de digital twins pode beneficiar fabricantes de equipamentos de rede e operadoras móveis e explorar seu papel na aceleração de P&D, automação de implantação de site, otimização de espectro e energia. Forneceremos use cases, detalhes do sistema proposto e exemplos de como a VIAVI está implementando e fornecendo essa tecnologia com seus parceiros.

Benefícios dos digital twins para operadoras de rede

Em nosso último blog, examinamos o desenvolvimento e a implantação de equipamentos de rede. Em particular, analisamos como os digital twins facilitam a interoperabilidade e a validação de desempenho, ao mesmo tempo em que permitem a identificação de possíveis falhas e a modelagem de ataques cibernéticos. Essa capacidade é especialmente crítica em ambientes de RAN aberta, onde a desagregação de unidades de rádio, distribuídas e centrais (RU, DU e CU) introduz mais interfaces, expandindo significativamente a superfície da ameaça e a complexidade da integração.

Para operadoras de rede móvel, a funcionalidade de digital twins tem alguma sobreposição, principalmente na segurança, mas também tem três funções adicionais significativas.

Em engenharia, planejamento e otimização, os digital twins permitem que um modelo virtual seja implementado onde os projetos e configurações de rede são simulados e testados antes da implementação física. Aqui, eles podem ser usados para identificar gargalos e otimizar o fluxo de tráfego na rede para melhorar o desempenho geral. As falhas podem ser previstas e corrigidas antes que se tornem problemáticas.

Essa capacidade é especialmente crítica para a evolução em direção às redes 6G, pois permite o teste de tecnologias emergentes e a previsão de seu comportamento no mundo real. Os digital twins fornecem insights que vão além de componentes isolados, permitindo que as operadoras modelem todo o ciclo de vida da rede, desde o projeto e a implantação até a operação e a otimização. Essa abordagem holística dá suporte a um planejamento de longo prazo mais eficaz, melhorando a conectividade, a confiabilidade e a eficiência de custos.

Segundo, o uso de energia, uma preocupação crescente, já que o mercado de telecomunicações enfrenta uma pressão cada vez maior para reduzir sua pegada ambiental. Prevê-se que o 6G, com otimização baseada em IA/ML em sua essência, seja mais eficiente em termos de energia do que o 5G. De acordo com um artigo da IEEE de 2021, pode ser necessário ter potências de transmissão até 50% menores para fornecer a mesma largura de banda/taxa de dados. No entanto, esse ganho de eficiência deve ser visto pela lente do Jevons Paradox: à medida que as redes se tornam mais rápidas e mais responsivas, a demanda do usuário tende a aumentar, compensando potencialmente os benefícios ambientais. Para neutralizar isso, os digital twins podem ser usados para criar visualizações em tempo real e detectar ineficiências mais cedo, bem como para otimizar processos que consomem muita energia e ajustar o uso de energia dinamicamente.

Isso é obtido por meio da simulação de configurações de rede para identificar o projeto mais eficiente e otimizar a infraestrutura de acordo. Examinaremos isso em mais detalhes em nosso próximo blog.

Por fim, os digital twins e seus mecanismos e dados independentes de IA também podem ser usados para validar as previsões feitas pelos modelos de inferência de IA e, portanto, são um elemento vital na operação automatizada (ou o NOC escuro).

Tecnologias que sustentam redes de digital twins

Criar um digital twin requer várias etapas, e cada uma será (em maior ou menor extensão) única. No entanto, há vários elementos centrais e etapas que precisam ser implementados.

O primeiro da nossa lista é a modelagem de canais usando uma ferramenta de Ray Tracing com tecnologia fornecida por IA (Air Interface Emulation da VIAVI). Isso permite a previsão de canal para ambientes 3D e suporta o planejamento para cenários internos e externos. Isso inclui não apenas cobertura, mas também otimização de interferência para MIMO massivo.

A seguir, a modelagem de tráfego, usando o testador de rede wireless TM500 para emular vários milhares de dispositivos na rede, com comportamentos RAN no nível do sistema no digital twin simulado por meio do TeraVM AI RSG (Gerador de Cenário RAN)..

Essa ferramenta de RSG de IA é capaz de emular uma enorme variedade de topologias e configurações. Os padrões de mobilidade e os perfis de tráfego também podem ser emulados usando mapas reais e sintéticos. Os dados do mundo real resultantes da modelagem de canal e tráfego são usados para treinar e testar os mecanismos de IA.

É claro que, para que o digital twin forneça insights reais e acionáveis, ele precisa ser um digital twin da rede como ela é… não como era quando foi criada ou atualizada pela última vez. Para permitir isso, a VIAVI mantém a sincronização com a rede física, permitindo que a validação seja realizada em uma representação precisa e atualizada do estado da rede.

Dados mais inteligentes também podem ser obtidos por meio de ferramentas como a location intelligence NITRO da VIAVI. Isso pode ser usado para analisar todas as interações entre assinantes/dispositivos IoT e a rede. Essas informações contextuais permitem melhor compreensão dos problemas e oportunidades de otimização. E no cenário do digital twin, essa ferramenta permite a análise de IA para transformar dados de rede em insights.

Levando esse estágio adiante, ferramentas como NITRO AIOps podem permitir um digital twin mais realista, facilitando a coleta e agregação de enormes faixas de dados para o digital twin. Tudo isso antes mesmo de pensarmos em modelagem para cenários específicos, como segurança ou automação.

Bons exemplos desses sistemas em ação podem ser vistos no projeto 6G-Twin da Europa, que está implementando digital twins de rede reativos e preditivos para permitir a condução teleoperada.

Esses sistemas criam uma base sólida para o projeto, implementação e validação de uma arquitetura de referência nativa de IA para sistemas 6G, que são usados para melhorar a mobilidade e a eficiência energética.

Exemplos de use cases de digital twin para operadoras de rede

Nesta seção, descrevemos brevemente dois cenários em que os digital twins permitem que as operadoras de rede 1) evitem tempestades de sinalização durante um ataque DoS e 2) gerenciem melhor o os beams e a validação do algoritmo de transferência em veículo (V2X/V2N).

Em cada um, listamos e vinculamos as ferramentas necessárias para isso, fornecendo mais detalhes em nosso artigo sobre digital twins.

Prevenção de tempestades de sinalização em ataques DoS/DDoS

As tempestades de sinalização, que acontecem quando uma rede é sobrecarregada pela sinalização excessiva do plano de controle, têm sido a causa de várias interrupções importantes. Isso inclui interrupções significativas de serviços Telenor, Verizon e NTT DoCoMo que duraram até 24 horas.

Embora tempestades de sinalização possam acontecer naturalmente, a sinalização do plano de controle é uma vulnerabilidade que pode ser direcionada em ataques DoS/DDoS. Essa vulnerabilidade precisa ser testada em um ambiente de sandbox.

Construir um digital twin para permitir um ataque seguro à rede 5G, 6G ou IoT exigiria três elementos centrais.

O ponto de partida seria um AI RSG (Gerador de Cenário de TeraVM AI RAN) simulando comportamentos RAN no nível do sistema. O tráfego precisaria, então, ser modelado, com milhares de dispositivos emulados para criar pressão na rede digital twin usando o testador de rede wireless TM500. Por fim, um emulador vRAN seria necessário, como o Emulador TeraVM-vRAN 5G, que oferece um ambiente de teste controlável e repetível para a implementação de padrões 3GPP.

Gerenciamento de beam e validação de algoritmo de transferência para comunicações V2X/V2N

À medida que o mercado automotivo avança em direção à implantação em grande escala de veículos autônomos, a comunicação confiável e de latência ultrabaixa se torna essencial para veículos (V2V) e veículos para infraestrutura. Nesse contexto, a latência não é apenas um problema técnico; é uma questão de segurança. O sucesso das comunicações V2X (veículo para tudo) dependerá muito dos recursos das redes 6G, particularmente na redução da latência e no suporte ao gerenciamento avançado de beams e transferências perfeitas.

Essas tecnologias devem passar por testes e validação rigorosos antes de serem implantadas em veículos autônomos de 1,5 a 2 toneladas operando em ambientes compartilhados com pedestres e ciclistas. Compreender os padrões de interferência e minimizar a interferência entre usuários é fundamental. Os comportamentos de RAN no nível do sistema precisam ser simulados com precisão – idealmente usando Geradores de Cenário de Rádio (RSGs) orientados por IA – para prever o desempenho do mundo real. As técnicas de Ray Tracing podem melhorar essas simulações emulando ambientes dinâmicos, incluindo veículos em movimento, pedestres, ciclistas, edifícios e infraestrutura rodoviária.

Evolução das soluções de digital twin

A VIAVI oferece uma solução flexível e escalável para digital twins que permite a seleção de componentes individuais ou digital twin RAN-to-Core completos.

A empresa tem um longo histórico de fornecimento de soluções em laboratório, campo e operações, e com uma equipe líder de P&D, pode ajudá-lo a demonstrar a precisão e o valor dos equipamentos de rede.

Para obter mais informações sobre nossas soluções de digital twins, baixe nosso artigo.