2021年5月21日,北京——中興通訊、中國聯(lián)通、高通技術(shù)公司與TVU Networks今日宣布,四方在實(shí)驗(yàn)室環(huán)境下成功在26GHz(n258) 頻段上完成全球首次基于大上行幀結(jié)構(gòu)的5G毫米波8K視頻回傳業(yè)務(wù)演示。本次演示在IMT-2020(5G)推進(jìn)組和中國聯(lián)通的技術(shù)指導(dǎo)下進(jìn)行,采用26GHz毫米波頻段與900MHz LTE頻段的雙連接技術(shù),其中毫米波上行峰值速率達(dá)到了930Mbps。中興通訊在本次演示中提供5G毫米波基站,TVU Networks的5G多網(wǎng)聚合路由器通過搭載高通驍龍™ X55 5G調(diào)制解調(diào)器及射頻系統(tǒng)和高通QTM527毫米波天線模組的CPE形態(tài)的測試終端提供的5G 毫米波連接,將實(shí)時(shí)采集的8K視頻內(nèi)容通過5G毫米波上行鏈路實(shí)現(xiàn)穩(wěn)定的回傳,并最終在接收端成功接收進(jìn)行回放。
根據(jù)IMT-2020(5G)推進(jìn)組的5G毫米波測試計(jì)劃,2021年將推動(dòng)毫米波大上行幀結(jié)構(gòu),支持差異化應(yīng)用場景。超高清視頻尤其是8K視頻的實(shí)時(shí)回傳,對(duì)移動(dòng)網(wǎng)絡(luò)的上行鏈路帶寬有非常高的要求。此次演示所采用的DSUUU幀結(jié)構(gòu),通過為上行鏈路分配更多時(shí)隙,將現(xiàn)有毫米波技術(shù)的上行鏈路峰值速率提高到了3倍。演示驗(yàn)證了5G毫米波的超級(jí)上行能力,對(duì)于滿足未來眾多5G行業(yè)應(yīng)用的上行大帶寬需求具有重要意義。
2021年是5G“加速普及”的一年,5G正在加速賦能千行百業(yè),為數(shù)字經(jīng)濟(jì)的發(fā)展注入新動(dòng)能。與消費(fèi)終端市場的傳統(tǒng)下行大帶寬業(yè)務(wù)需求不同,一些垂直行業(yè)應(yīng)用提出了大幅提升上行傳輸?shù)男滦枨?。作?G的重要組成部分,毫米波在性能部分擁有諸多優(yōu)勢,包括增強(qiáng)上行鏈路的網(wǎng)絡(luò)容量,有效滿足5G垂直行業(yè)的業(yè)務(wù)需求。以本次突破性的業(yè)務(wù)演示為例,不僅展示了5G毫米波高帶寬、高容量、低時(shí)延的技術(shù)優(yōu)勢,更加突顯了5G毫米波的上行增強(qiáng)能力在推動(dòng)大型賽事和活動(dòng)中的媒體直播、有效應(yīng)對(duì)體育場館/演唱會(huì)等對(duì)上行帶寬需求較大的公共網(wǎng)絡(luò)場景下所能發(fā)揮的重要作用。同時(shí),本次業(yè)務(wù)演示也為更多行業(yè)應(yīng)用和服務(wù)的發(fā)展,比如遠(yuǎn)程醫(yī)療、智慧工廠、智慧港口等場景中的超高清視頻監(jiān)控多點(diǎn)并發(fā)上傳、精準(zhǔn)遠(yuǎn)程指導(dǎo)/控制等,鋪平了道路。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。