AI RAN シナリオジェネレーションと RAN デジタルツイン
賑やかな都心のラッシュアワーです。通勤者がオフィスを後にし、家に帰るにつれ、何千台ものスマートフォンがセル間を移動しています。ネットワーク全体にわたって、AI を搭載した xApp が、省エネのためにどの無線機器の電源を切ることができるか、また需要に対応するためにどの無線機器をフル稼働させたままにする必要があるかについて、リアルタイムの意思決定を行っています。こうした決定は、ミリ秒単位で自動的に行われます。
これが、無線アクセスネットワーク（RAN）において AI がもたらす可能性ですが、同時に課題も生じます。ネットワークトラフィックが突然急増したまさにその瞬間に、アルゴリズムが誤った決定をしたらどうなるでしょうか？
VIAVI の TeraVM AI RSG（AI RAN シナリオジェネレータ）は、AI 主導の RAN アプリケーションを実稼働ネットワークに導入する前に、トレーニング、テスト、検証を行うことができる安全な環境を提供します。
このプラットフォームは、高忠実度の RF シミュレーション、現実的な 3D レイトレーシング、サイト固有のフィールドデータ、および合成データと実世界のネットワーク挙動を融合させたハイブリッドデータセットを組み合わせています。その結果、AI アプリケーションが実際の運用環境下でどのように動作するかをチームが正確に把握できるデジタルツインが実現します。
AI RSG は、数千人の利用者やセル、また刻々と変化するトラフィック状況が存在する密集した都市環境をモデル化することができます。これに加え、 VIAVI の App Twin ADK は、エンジニアが RAN ネットワーク向けの AI アプリケーションを迅速に構築しテストできる Python ベースの開発環境を提供します。
AI RSG の役割
AI RSG は、従来のネットワークシミュレーションをはるかに超える機能を提供します。
大規模なシナリオジェネレーション
このプラットフォームは、数千台のユーザーデバイスやネットワークセルに加え、移動中の車両、加入者の活動、変化するトラフィックパターンをエミュレートすることができます。これにより、AI モデルを現実的な条件下で大規模にテストすることが可能になります。
異常データの注入と閉ループ検証
エンジニアは、制御された障害や異常なネットワーク状況を取り込むことで、アプリケーションの復元力を評価することができます。 App Validation Engine（AVE） は、rApp および xApp の決定事項をベースラインモデルと比較し、重要評価指標（KPI）に対するその影響を測定します。
AI トレーニング用のハイブリッドデータ
合成データセットには、過去および実稼働のネットワークの KPI の動向が組み込まれています。これにより、AI モデルは、トレーニングおよび検証中、現実的な変動性と実世界のネットワークの挙動の両方にさらされることになります、
高忠実度の RF デジタルツイン
AI RSG は、高度なレイトレーシングとフィールドでの測定を組み合わせることで、電波伝搬、移動性、および干渉の状況を正確に再現するエアインターフェイスのデジタルツインを構築します。これにより、無線（OTA）およびデジタルインターフェイスのテストの両方がサポートされます。
T構成要素
このソリューションは、以下の 4 つの主要な構成要素からなります。
- TeraVM AI RSG： AI のトレーニングと検証のために、現実的なネットワークシナリオ、ユーザーの挙動、およびトラフィックパターンを生成します。
- エアインターフェイスのデジタルツイン：実世界のフィールド測定値で校正された、高忠実度の RF 環境を提供します。
- App Twin ADK： エンジニアが AI アプリケーションやシミュレーションワークフローの構築、テスト、展開を行うことができる、Python ベースの開発環境。
- App Validation Engine（AVE）： ベースラインモデルに対してアプリケーションのパフォーマンスを測定し、結果を評価するとともに、閉ループテストを通じて反復的な最適化を支援します。
1 つのプラットフォーム、さまざまなユーザー
異なるチームは、異なる理由で AI RSG を使用しますが、すべてのチームは、導入前に問題を発見し、修正するという同じ目的を共有しています。
ネットワーク機器メーカー（NEM）
NEM は、AI RSGを使用して、AI 機能の検証、相互運用性の認証、および制御されたラボ環境でのフィールド問題の再現を行っています。
AI モデルとベンダーのプラットフォーム間の相互作用をテストし、セキュリティおよび安全性の要件を検証し、AI 主導の動作を従来の RAN 運用と比較してベンチマークを行うことができます。
その結果、認証の迅速化、信頼性の高いリグレッションテスト、および導入リスクの低減が実現します。
通信事業者とサービスプロバイダー
通信事業者は、AI RSGを使用して導入リスクを評価し、ネットワークパフォーマンスを最適化し、サービス内容合意書（SLA）を遵守しています。
フィールドで校正済みのデジタルツインを使用することで、チームは本番ネットワークに変更を加える前に、省エネ戦略、トラフィックステアリング、干渉低減、ネットワークスライシングをテストすることができます。
これにより、KPI を向上させ、導入を加速させつつ、費用のかかるフィールドトライアルの必要性を減らします。
rApp と xApp の開発者
開発者は、AVE を使用して、本番のアプリケーションのデジタル版を作成し、モデルをトレーニングし、パフォーマンスのベンチマーク評価を行うことができます。
合成データ、過去の KPI の動向、および異常データの注入を組み合わせることで、開発者はより堅牢なモデルを構築し、市場投入までの時間を短縮することができます。
その結果、開発サイクルの短縮と目に見えるパフォーマンスの向上が実現します。
研究機関と標準化団体
研究者は、制御された再現性のある環境を利用して、新しい AI 技術、RAN アルゴリズム、およびネットワークアーキテクチャを評価することができます。
これにより、実験の迅速化、より一貫性のあるベンチマーク評価、費用のかかるフィールドテストへの依存度の低減が可能になります。
防衛および政府機関
防衛および政府機関のチームは、ミッションクリティカルな 5G 導入、戦術ネットワーク、および劣化した通信シナリオに対する復元力を評価することができます。
安全でエアギャップ化されたテスト環境は、導入前の信頼性をもたらし、任務遂行態勢の向上に寄与します。
テストの仕組み
どのプロジェクトも、ベースラインから始まります。エンジニアは、ネットワーク構成、サイト情報、およびパフォーマンスデータを App Twin ADK にアップロードします。AI RSG は、都市部の渋滞、モビリティイベント、干渉状況、ネットワークの異常を含む、対象を絞ったシナリオを生成します。
これらのシナリオは、開発環境内で実行される AI アプリケーションのトレーニングデータおよび検証データとなります。
App Validation Engine は、アプリケーションの決定をベンチマークモデルと比較し、KPI の改善度合いを測定することで、フィードバックループを完結させます。チームは、目標とするパフォーマンスレベルに達するまで、モデルの改良と再テストを行うことができます。
代表的な閉ループテストプログラムでは、目標値に対して KPI が 10～20% 向上 するほか、エネルギー効率やネットワークスループットにおいても目に見える改善が見られます。
より大きな何かの一部
TeraVM AI RSG とApp Twin ADK は、費用がかかりリスクの高いフィールドテストを、再現性のあるデータ駆動型のプロセスへと変革します。
ネットワーク機器ベンダー向けには、認証試験およびリグレッションテストをサポートしています。通信事業者にとっては、導入リスクを軽減し、ネットワークの最適化を可能にします。アプリケーション開発者にとっては、イノベーションを加速させる迅速なフィードバックループを提供します。
AI RSG はまた、VIAVI の Generative Reality Digital Twin™（GRDT）の基盤となる構成要素でもあります。GRDT は、RAN、IP、トランスポート、その他のドメインにわたる実稼働ネットワークの高忠実度の実データで校正されたモデルを生成する、連合型デジタルツインフレームワークです。
その中核にあるのは、以下の単純な原則です。 AI が実稼働ネットワークで意思決定を行う前に、AI は AI をテストするべきである。
あの賑やかな都心に戻っても、xApp は依然としてミリ秒単位で決定を下しています。その違いは、こうした決定が、実際のネットワークがどのように反応するかを正確に予測するデジタルツインの中で、たった一人の加入者に影響が及ぶはるか以前に、すでに何千回も検証されているという点にあります。
このシリーズの次回の記事にご注目ください。自律型ネットワークへの旅路と、AI RSG が自らを監視し、自ら決定し、自ら行動できる RAN の構築にどのように役立つかについてご紹介します。ユースケース、ワークフロー、市場の実態、および始め方について、さらに詳しく解説します。引き続きご注目ください。
