网络数字孪生
对于 5G 和 6G
VIAVI 网络数字孪生使您能够创建定制的网络数字副本。通过利用来自我们仪器和软件的 AI 和真实现场数据来实现高度真实性，您可以模拟 RAN 环境、设备和场景，促进对您的网络 (RANtoCore) 进行有效训练、测试和优化，而不会中断实时操作。
从单个组件中选择，以完成完全适应您的要求并覆盖整个协议栈的数字孪生解决方案。
VIAVI 网络数字孪生解决方案
VIAVI 的射线追踪技术模拟了详细的微观场景，如建筑物内的波束反射。RANtoCore 网络和云边缘仿真解决方案可模拟数千台移动设备。
具有 AI 应用验证的 RAN 场景生成 (RSG) 充当系统范围的 RAN 数字孪生，优化整个网络。
射线追踪在微调单个或小型节点集群方面表现出色，而 AI RSG 则是更广阔视野的理想选择。RSG 和射线追踪通过运营商数据共同提供了最真实、最强大的 RAN 数字孪生。
定制变量以适应不同的网络类型或细分，包括 UE 数字孪生、RAN 数字孪生、NTN 数字孪生等。
VIAVI TM500：在 4G/4.5G 和 5G/Open RAN 上模拟数千台移动设备。
TeraVM AI RSG：模拟系统级 RAN 行为，创建反映真实网络条件的 RAN 数字孪生。主要功能包括：
- 精确模拟：在真实或自定义地图上模拟各种拓扑、配置、移动模式和流量配置文件。
- 多网络支持：支持 4G、5G、新兴 6G 和非地面网络 (NTN)。
- AI 驱动优化：增强大规模 MIMO 等技术，提高网络性能。
VIAVI 射线追踪：AI 支持的近实时射线追踪通道生成器和网络 3D 规划工具，具有真实世界地图和高保真无线电传播通道，非常适合 mMIMO 优化和室内建模等场景。
VIAVI 自动化管理和编排系统 (VAMOS)：在一个基于云的平台中自动执行测试活动、案例和执行。
除了我们的无线产品，VIAVI 还提供了一个面向网络运营的云原生 AI (AIOps) 平台，该平台可以收集和聚合大量数据，应用智能 AI 将信号从噪声中分离出来，快速确定根本原因，并自动解决问题。这种实时网络流量捕获解决方案补充了网络数字孪生，使其成为市场上最现实的解决方案。
在现实世界场景中开发和测试认知、AI 驱动的自组织网络 (SON) 和 RAN 应用程序。
与 VIAVI 合作
- 端到端网络仿真：来自 RANtoCore，利用实验室到现场和现场到实验室的见解，在整个研发生命周期中为网络设备商和运营商带来经验证的结果。
- 最佳仿真器产品组合：用于调度、部署、配置、执行和结果收集的 REST API - 具有市场上最佳的 UE 仿真解决方案。
- 快速同步：物理和数字孪生网络之间的快速对齐。
- AI 驱动的 RAN 场景生成：优质数据集推动 AI 训练。
- 全面的协议功能：支持全栈协议。
- 实时射线追踪：优化电磁/射频传播
- 完全自动化和流程编排：采用 VIAVI 自动化管理和编排系统 (VAMOS)。
- 智能训练模型： 嵌入式智能训练框架。
- 独立于环境的部署：跨各种部署环境的灵活性。
- AI 增强效率：通过 AI 集成实现更高的计算效率。
- 广泛的 3GPP 和 O-RAN 支持：对关键功能的丰富支持。
- 平稳过渡到 6G：VIAVI Marconi Labs 在射线追踪和 6G 数字孪生、数字孪生技术、网络数字孪生和数字孪生网络领导力方面的专业知识，可实现从 5G 到 6G 的无缝转换
Network Digital Twin
数字孪生技术定义
数字孪生是物理对象或系统的虚拟表示，它们使用实时数据和高级建模技术来准确模拟现实世界中对应对象的行为。在数字孪生中发现的高水平的准确性、细节和同步性允许在数字领域中测试各种变化和场景的影响。受益于数字孪生技术的行业和专业包括：
- 飞机设计师通过虚拟方式测试新概念的可行性和安全性。
- 制造商和运营商使用数字孪生来优化流程效率和预测瓶颈。
- 医疗保健提供者和研究人员使用患者器官和解剖结构的精确数字模型来预测疾病进展。
- 智能城市利用数字对等物来优化能源消耗和交通流量。
数字孪生网络是构成物理网络的硬件和软件的虚拟孪生场景，包括 RAN、核心网和用户移动设备元件。来自运营网络的数据流不断反馈矫正，以反映最新的网络状况。可以在孪生中模拟无限数量的配置、移动模式和流量配置文件，以提供前所未有的原型设计、测试和自我优化功能。
数字孪生网络的优势
在所有不同的应用中，数字孪生提供了一个以安全和具有成本效益的方式评估新概念的平台。从物理网络收集的数据还将数字孪生转变为超级监控工具，使任何变化的影响立即可见。数字孪生网络的其他优势包括：
- 按需测试：新的使用案例和场景可以引入到网络数字孪生中，以测试它们的影响，而不会有服务降级或中断正在进行的操作的风险。
- 资源管理：频谱利用和能耗必须不断优化，以实现 5G 作为可持续拓扑的承诺。对数字孪生中的网络使用和流量负载进行建模和分析可支持智能资源分配。
- 安全威胁模拟：在数字孪生网络中发起的复杂多载体网络攻击有助于主动识别漏洞并降低风险，而不会使实时网络暴露于真实或合成威胁。
- 大规模 MIMO 优化：数字孪生可以模拟天线未对准和射频失真，以优化 MIMO 校准和持续性能。数字孪生使用来自实时 MIMO 阵列的反馈来不断调整天线相移和休眠周期。
构建数字孪生网络面临的最大挑战
模拟飞机、建筑物或引擎等对象行为的数字孪生必须在物理和数字领域之间不断传输信息，以保持准确的表示。对于高度复杂和不可预测的 5G 和 6G 网络，这一挑战将成倍增加，使其成为数字孪生技术的雄心勃勃的使用案例。显而易见的性能、效率和安全性优势面临诸多挑战，包括：
- 数据完整性：从手机信号发射塔、用户设备和其他网络元素收集的大量数据很难为数字孪生提供一致、清晰和全面的数据流。
- 网络切片复杂性：模拟具有不同性能要求、配置和部署拓扑的网络切片是一项挑战，反映了 5G 与 4G RAN 相比复杂性的增加。
- AI 模型精度：高度动态的网络突破了用于生成代表性流量、移动性和射频通道干扰场景的人工智能 (AI) 的界限。
- 可扩展性：网络的规模和复杂性都在不断增长，因此数字网络必须能够快速扩展和发展，以与最新配置保持同步。
- 安全风险：数字孪生和实时网络之间的持续连接使它们成为攻击者引人注目的攻击目标，这些攻击者试图破坏网络基础设施、找出弱点或拦截数据传输。
网络数字孪生常见问题
我们倾力相助
我们倾力相助，为您获得成功加油。