近日,在IMT-2020(5G)推進(jìn)組的組織下,高通技術(shù)公司和諾基亞貝爾宣布,為支持5G-Advanced超高速場(chǎng)景需求,雙方成功在外場(chǎng)環(huán)境利用商用芯片組,采用5G空口雙連接技術(shù),展示了5G的端到端5G萬(wàn)兆速率(10Gbps)能力。此次測(cè)試,采用搭載驍龍®X75調(diào)制解調(diào)器及射頻系統(tǒng)的智能手機(jī)形態(tài)的測(cè)試終端以及諾基亞貝爾AirScale商用5G毫米波基站和核心網(wǎng)系統(tǒng)設(shè)備完成。
測(cè)試采用5G NR獨(dú)立組網(wǎng)雙連接(NR-DC,即FR1+FR2 DC),F(xiàn)R2頻段采用基于26GHz(n258)5G毫米波頻段的4X200MHz載波信道,F(xiàn)R1頻段在外場(chǎng)采用基于3.5GHz(n78)的100MHz帶寬,以及大下行幀結(jié)構(gòu),合力實(shí)現(xiàn)超過萬(wàn)兆比特每秒(10Gbps)的單用戶下行峰值速率。此外,測(cè)試采用基于5G核心網(wǎng)(5GC)的獨(dú)立組網(wǎng)(SA)模式,支持網(wǎng)絡(luò)切片和更低時(shí)延等功能。
5G-Advanced的技術(shù)特點(diǎn)是超寬帶和超高速,其中萬(wàn)兆速率(10Gbps)是業(yè)界共識(shí)的5G-Advanced的典型標(biāo)識(shí)。萬(wàn)兆速率不僅為高端用戶提供單用戶超高速率體驗(yàn),同時(shí)也為更多用戶提供并發(fā)下的更好業(yè)務(wù)體驗(yàn)。
高通公司產(chǎn)品管理高級(jí)副總裁顏辰巍表示:“我們攜手諾基亞貝爾實(shí)現(xiàn)的這一最新里程碑,進(jìn)一步展示了5G毫米波技術(shù)的優(yōu)勢(shì),是5G毫米波技術(shù)演進(jìn)在中國(guó)的測(cè)試中重要一步。5G毫米波技術(shù)以較低成本增加網(wǎng)絡(luò)容量,我們很高興看到這項(xiàng)變革性技術(shù)在支持中國(guó)5G生態(tài)系統(tǒng)打造新用例、釋放新機(jī)遇方面展現(xiàn)的巨大優(yōu)勢(shì)。”
諾基亞貝爾執(zhí)行副總裁、移動(dòng)網(wǎng)絡(luò)業(yè)務(wù)集團(tuán)負(fù)責(zé)人薛瑞表示:“5G超寬帶應(yīng)用作為‘新基建’的組成部分,是通信產(chǎn)業(yè)滿足重點(diǎn)行業(yè)應(yīng)用能力要求的重要手段之一。我們非常高興與高通技術(shù)公司合作實(shí)現(xiàn)此次里程碑,共同為5G-Advanced超寬帶技術(shù)和毫米波商用奠定技術(shù)驗(yàn)證基礎(chǔ),并提供更廣闊的發(fā)展空間。我們將攜手合作伙伴持續(xù)推動(dòng)產(chǎn)業(yè)發(fā)展、打造極致體驗(yàn),共同開創(chuàng)5G極致體驗(yàn)新時(shí)代。”
5G毫米波是全球5G標(biāo)準(zhǔn)的重要組成部分,可支持移動(dòng)運(yùn)營(yíng)商利用24GHz以上頻段的豐富頻譜資源,更為工業(yè)、企業(yè)和消費(fèi)級(jí)應(yīng)用場(chǎng)景提供超高帶寬、更低時(shí)延的極致性能。10Gbps的5G傳輸速度,對(duì)于助力釋放5G技術(shù)的全部潛能,滿足更多場(chǎng)景、業(yè)務(wù)日益增長(zhǎng)的數(shù)據(jù)需求至關(guān)重要。
好文章,需要你的鼓勵(lì)
新加坡國(guó)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(jiǎn)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(wú)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(yǔ)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(wú)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(yǔ)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。