要实现5G的商用,对于新的测试平台与策略而言,最重要的一点就是保持5G系统的正常运行。
早在今年6月,《5G新无线电规范第15版》的发布就对其中各组件技术的发展给出了具体引导与推动。这些规范的出台,确保设备制造商深入理解了网络设备需要满足怎样的标准才能真正建立起5G网络。
而几乎在同一时间,葡萄牙电信研究所(Instituto de Telecomunicações,简称IT)的一个研究小组在《IEEE Access》杂志上发表了一篇文章,通过评估商用现成射频(简称COTS RF)设备的能力,研究可用设备是否符合5G网络的要求。据了解,此轮测试并没有对毫米波(简称mmWave)RF前端进行测量。
电信研究所教授Rafael Caldeirinha也是该研究论文的共同作者,他表示,“事实证明,目前的商用现成射频前端还无法完全满足5G网络的要求。”此项研究在最近的IEEE通信协会网络研讨会上受到高度重视并进行了更为深入的讨论。
Caldeirinha表示,虽然这项研究结果今年6月底就已经发布,但目前工作仍在进行当中,包括参考《5G新无线电规范》中提出的要求。在接下来的一段时间内,各制造商及供应商将开始陆续发布各类测试与测量设备,用于实现信号生成与分析。
所有这些新的测试与测量设备,将有望提高未来商用现成射频设备的水平。很明显,5G网络正进入测试与测量层面。
Caldeirinha解释称,“幸运的是,对于商用现成射频设备而言,我们如今已经拥有大量测试与测量设备可供随时使用。这些设备大多面向通用型用途,且《5G新无线电规范》的出台也带来了重要的标准性指导。”
这种新设备基于软件定义无线电,且包含配备有彩电触摸屏的时域功能。遗憾的是,根据Caldeirinha的介绍,这种设备的价格对于学术界、初创企业乃至中小型公司而言都还太过昂贵。在他看来,如果他的团队能够使用当前最为先进的测试设备,整个研究过程将变得更为轻松——即无需额外的测量对测试中的测量结果进行交叉引用。但夸张的价格让这一切都无法实现。
尽管如此,在《5G新无线电规范》的指导下,Calderinha仍然表示现有测试与测量活动已经迈入了涉及一系列新要求与新规程的全新阶段。
Caldeirinha进一步补充称,“这种高水平的测试能力正逐渐从学术界,特别是研发实验室当中,转移至现场网络之内。全球许多城市都先后建立起大量5G测试平台与测量环境。”
虽然新的测试与测量策略有望在发布初期拉动5G网络的发展,但Calderinha警告称,5G网络仍然给测试芯片组以及大规模多输入多输出(简称MIMO)天线带来了新的技术挑战——特别是在mmWave频率,即30千兆赫以上的无线电频率条件下。在他看来,这意味着行业必须开发出实用且价格合理的测试方法,从而真正涵盖实验室、生产线以及部署网络环境。
虽然5G标准正在逐步建立且基站也在持续建设,但在开发有效方法以对5G核心技术(例如大规模MIMO天线)进行无线(简称OTA)测试的过程中,现有测试设施仍然面临着极为严苛的挑战。
Caldeirinha最后补充道:“开发无线测试的第一项学术策略才刚刚出现,因此可以肯定的是,我们距离经济实惠的测试平台还有很长的路要走。”
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。