隨著對未來6G無線通訊標準技術元件的研究如火如荼地進行，人們也在探索6G的AI原生空中介面的可能性。羅德史瓦茲與NVIDIA合作，利用未來6G技術對人工智能和機器學習(AI/ML)進行模擬與實現。在巴塞隆那世界移動通信大會上，兩家公司將展示世界首創類神經接收器的Hardware-in-the-Loop實體操作，展示與傳統信號處理相比，使用完成訓練後的ML模型所能達到的性能提升。
在今年的世界移動通信大會上，與會者可以體驗到類神經接收器如何在5G NR上多用戶多重輸入與輸出(MUMIMO)的情況下具體實現—這很可能即是6G物理層的基本藍圖。該裝置結合了羅德史瓦茲的高階訊號產生器與分析儀測試解決方案，以及用於鏈路層模擬的NVIDIA Sionna GPU加速開源資料庫。
類神經接收器的概念是用訓練完成的機器學習模型取代無線通信系統物理層的信號處理部份。全球的學術界、領先的研究機構與業界專家預估，未來的6G標準將使用AI/ML進行信號處理，如通道預測、通道平術與解析。由目前的模擬可看出來，與目前5G NR中所使用的高性能軟體演算法相比，類神經接收器將提高鏈路品質並對吞吐量有重大影響。
為了訓練機器學習模型，數據集的建立是絕對的先決要件。通常，此數據集的取得是極為受限的，或者根本無法取得。在6G早期的研究中，測試與量測設備提供了一個可行的方案，其利用產生不同訊號配置以作為各種數據集，並藉此訓練機器學習的模型以用於信號處理。
在羅德史瓦茲展位上展示的AI/ML類神經接收器設置中，R&S SMW200A向量信號產生器模擬了兩個獨立的用戶，在上行方向以MIMO 2x2信號配置發射80MHz頻寬的信號。每個用戶的通道衰減都是獨立的，並有雜訊的加入以模擬無線通訊的真實通道條件。R&S MSR4多用途衛星接收機作為信號接收，通過使用其四個相位相關的接收通道，捕捉3GHz的載波信號。然後，所有接收數據透過即時匯流介面提供至伺服器。在那裡，信號在包含R&S VSE向量信號分析(VSE)的R&S伺服器測試(SBT)架構中被預處理了。VSE信號分析軟體與信號進行同步，並進行快速傅利葉轉換(FFT)。這個FFT後的數據集則作為以NVIDIA Sionna來實現的類神經接收器的輸入。
NVIDIA Sionna是一個用於鏈路級模擬的GPU加速開源資料庫。它能夠對複雜的通信系統架構進行快速原型設計，並支援6G信號處理中的機器學習整合。
作為演示的一部分，訓練完成的類神經接收器與以線性最小均方誤差(LMMSE)為架構的接收器進行了比較，後者應用以確定性開發的軟體演算法的傳統信號處理技術。這些高性能的演算法在目前的4G和5G蜂窩網路中已被廣泛採用。
羅德史瓦茲積極支持歐洲、亞洲和美國的6G研究活動，為研究項目、產業聯盟做出頁獻，並與領先的研究機構和大學合作。其公司的測試和量測專業與解決方案將有助於下一代無線通訊之發展，其預計將在2030年左右進行商用部署。