今日,杭州得翼通信技術(shù)有限公司(以下簡稱“得翼通信”)正式發(fā)布基于Intel FPGA平臺(tái)的可商業(yè)量產(chǎn)數(shù)字前端DFE IP,面向全球市場提供多種基于FPGA規(guī)格的高性能、高效率5G基站數(shù)字射頻解決方案。
基于Intel FPGA的DFE IP的高效率射頻
隨著5G、WiFi等無線通信技術(shù)在高頻、高帶寬、高階調(diào)制和高發(fā)射功率等方面的不斷應(yīng)用,基站、路由器和手機(jī)等通信設(shè)備與終端對射頻器件在發(fā)射功率、帶寬、耗電和尺寸等方面的性能要求和技術(shù)挑戰(zhàn)日益嚴(yán)苛,射頻無疑成為全球數(shù)字通信領(lǐng)域下一個(gè)競爭的高地。從大功率宏基站到小基站,業(yè)界公認(rèn)通過包括DPD(數(shù)字預(yù)失真)和CFR(峰值消除)等在內(nèi)的DFE(數(shù)字前端)技術(shù)是在不同頻段、帶寬、調(diào)制方式,以及功放類型和輸出功率下,提高射頻系統(tǒng)性能和功放效率的關(guān)鍵技術(shù)。
得翼通信創(chuàng)始人兼首席執(zhí)行官王子明說:“得翼通信是一家專注于打造全球領(lǐng)先的小型化數(shù)字前端技術(shù)的初創(chuàng)團(tuán)隊(duì),打破了傳統(tǒng)DFE方案帶寬受限、以及功能與器件緊耦合、適配功放類型少等局限。過去一年我們非常高興能夠和Intel通力合作,聯(lián)合為5G基站設(shè)備商提供了基于FPGA的DFE規(guī)模量產(chǎn)解決方案,這充分展示了得翼通信DFE技術(shù)敏捷易集成、高線性射頻性能以及成本優(yōu)勢。此外,我們還開發(fā)了集成3GPP信號(hào)發(fā)生器、DFE算法和分析功能于一體的DETP測試平臺(tái),幫助用戶非常方便快速的評估不同DPD模型和PA型號(hào)的射頻系統(tǒng)性能。”
得翼通信此次發(fā)布的商業(yè)量產(chǎn)DFE IP蜂鳥系列產(chǎn)品支持3G/4G/5G,覆蓋所有功放工藝及技術(shù),能夠有效減少GaN(氮化鎵)功放常見的長記憶效應(yīng)。采用蜂鳥方案后,即使采用最小資源的FPGA平臺(tái)在低采樣率下也可滿足200MHz信號(hào)帶寬的4T4R大功率基站對功放高線性的需求并提供卓越射頻性能,例如ACLR大于-50dBc,功放效率40%時(shí)EVM小于2.5%,同時(shí),方案還可顯著優(yōu)化RRU數(shù)字射頻系統(tǒng)的綜合成本。
英特爾PSG(Programmable Solution Group)事業(yè)部NBD(Networking Business Division)總經(jīng)理Mike Fitton表示:“PA非線性問題一直是過去三十多年以來射頻產(chǎn)品設(shè)計(jì)所面臨的最大挑戰(zhàn)。隨著RU設(shè)備需要在多頻段配置時(shí)支持更高的帶寬(例如超過200MHz),同時(shí)兼具更低的熱耗預(yù)算,在靈活且彈性的硬件平臺(tái)上引入超高性能的DPD技術(shù)打造聯(lián)合方案滿足多種多樣的射頻產(chǎn)品形態(tài)和應(yīng)用場景需求至關(guān)重要。Intel FPGA家族的Agilex, Stratix和Arria等系列產(chǎn)品支持靈活高效的DFE實(shí)現(xiàn),尤其是業(yè)界每瓦最優(yōu)性能的Agilex FPGA產(chǎn)品。我們的合作伙伴得翼通信所提供的DPD技術(shù)和Intel FPGA平臺(tái)打造的聯(lián)合方案可以為用戶提供射頻產(chǎn)品設(shè)計(jì)最佳選擇。”
接下來,得翼通信將在全球范圍進(jìn)一步擴(kuò)大與5G基站以及O-RAN設(shè)備商的深度合作,并持續(xù)拓展小型化DFE方案在WiFi和移動(dòng)終端等領(lǐng)域的應(yīng)用。
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。