[논문 리뷰] Sionna: An Open-Source Library for Next-Generation Physical Layer Research

Jakob Hoydis, Sebastian Cammerer외 5명|arXiv (Cornell University)|2022. 03. 22.

Advanced MIMO Systems Optimization인용 수 105

한 줄 요약

Sionna는 native NN 통합 및 계획된 광선 추적을 갖춘 GPU 가속 오픈 소스 TensorFlow 기반 링크-레벨 시뮬레이터로, 차세대 무선 시스템의 프로토타이핑과 재현 가능한 연구를 가속화하도록 설계되었습니다.

ABSTRACT

Sionna is a GPU-accelerated open-source library for link-level simulations based on TensorFlow. It enables the rapid prototyping of complex communication system architectures and provides native support for the integration of neural networks. Sionna implements a wide breadth of carefully tested state-of-the-art algorithms that can be used for benchmarking and end-to-end performance evaluation. This allows researchers to focus on their research, making it more impactful and reproducible, while saving time implementing components outside their area of expertise. This white paper provides a brief introduction to Sionna, explains its design principles and features, as well as future extensions, such as integrated ray tracing and custom CUDA kernels. We believe that Sionna is a valuable tool for research on next-generation communication systems, such as 6G, and we welcome contributions from our community.

연구 동기 및 목표

• 연구자들에게 엔드 투 엔드 물리 계층 시뮬레이션을 위한 빠르고 유연한 도구를 제공한다.
• 통신 체인 내에서 신경망의 원활한 통합 및 학습을 가능하게 한다.
• 엔드투엔드 성능 평가를 위한 최신의 벤치마크 준비 블록을 제공한다.
• 6G 연구를 진전시키기 위한 재현성 및 커뮤니티 기여를 촉진한다.
• 레이 트레이싱, 데이터셋, THz 모델과 같은 확장의 토대를 마련한다.

제안 방법

• TensorFlow와 Keras를 기반으로 한 엔드-투-엔드 미분 가능한 시스템 모델링을 위한 Python 기반 API.
• 모든 알고리즘을 고차원 텐서로 표현하여 쉽게 병렬화 가능한 GPU 실행을 가능하게 한다.
• 구성 요소를 독립적인 Keras 계층으로 노출하여 신경망과의 쉬운 교환 및 자동 기울기 계산을 가능하게 한다.
• 벤치마킹 및 평가를 위한 표준 처리 블록과 최신 알고리즘 라이브러리를 제공한다.
• 통신에서 엔드투엔드 학습을 가능하게 하는 네이티브 NN 통합 및 미분 가능성 지원.
• 예시별 조건 로직 및 물리 기반 장면 모델링을 다루기 위한 커스텀 CUDA 커널 및 레이 트레이싱의 향후 지원.

실험 결과

연구 질문

• RQ1 엔드투엔드 미분 가능성을 활용해 물리 계층 시뮬레이션 내에서 신경망 통합을 어떻게 가능하게 할 수 있는가?
• RQ2 모듈식의 GPU 가속 프레임워크가 연구 확장을 위한 유연성을 유지하면서 산업급 성능 벤치마크를 재현할 수 있는가?
• RQ3 레이 트레이싱 및 장면 기반 채널 모델의 통합이 링크-레벨 성능 평가에 미치는 영향은 무엇인가?
• RQ4 연구자들이 일반 블록을 재발명하지 않고 복잡한 6G 아키텍처를 신속하게 프로토타이핑하는 방법은?
• RQ5 다음 세대 연구 요구를 지원하기 위해 어떤 확장(예: THz 모델, 커스텀 커널)이 실행 가능한가?

주요 결과

• Sionna는 엔드투엔드 시스템의 빠른 프로토타이핑을 가능하게 하는 GPU 가속이 있는 Python API를 제공합니다.
• 모든 구성 요소가 독립적인 Keras 계층으로 구현되어 구성 단순화 및 미분 가능성을 가능하게 합니다.
• 라이브러리에는 구성 가능한 파일럿 및 프레임이 있는 5G LDPC/Polar 코드, CRC, 디메퍼 등과 같은 많은 표준 블록이 포함되어 있습니다.
• Sionna는 신경망의 네이티브 통합 및 전체 신호 처리 체인을 통한 역전파를 지원합니다.
• 현실적인 채널 모델 및 ZF, MMSE를 포함한 다중 안테나 처리를 지원하며 AWGN 및 3GPP 기반 모델 옵션이 있습니다.
• 향후 확장에는 예시별 로직 및 물리 기반 채널 모델링을 위한 통합 레이 트레이싱과 커스텀 CUDA 커널이 포함됩니다.