Accelerating vRAN and O-RAN with SIMD: Architectural Perspectives and Performance Evaluation

Het Grote Plaatje: Van Maatwerkauto's naar Afstelbare Sedans

Stel je de "Radio Access Network" (RAN) voor als het snelwegsysteem dat je telefoon met het internet verbindt. Lange tijd (het 4G-tijdperk) werd dit snelwegnetwerk gebouwd met op maat gemaakte, gespecialiseerde onderdelen (zoals FPGA's en ASIC's). Denk hierbij aan hoogwaardige racewagens die specifiek voor één bepaald circuit zijn gebouwd. Ze zijn ongelooflijk snel en efficiënt, maar ze zijn duur om te bouwen, moeilijk te upgraden, en als je van circuit wilt veranderen, moet je een hele nieuwe auto bouwen.

Nu bewegen we naar 5G en 6G, en de industrie wil overstappen op Virtualized RAN (vRAN) en Open RAN (O-RAN). Dit is als de overstap van die op maat gemaakte racewagens naar standaard, kant-en-klare sedans (Commercial Off-The-Shelf of COTS-servers). Deze sedans zijn goedkoper, makkelijker te repareren en je kunt de software vervangen om te veranderen wat de auto doet.

Het Probleem: Standaard sedans (algemene CPU's) zijn geweldig om mee te rijden, maar ze zijn niet van nature gebouwd om te racen. Wanneer je de zware, real-time wiskunde probeert uit te voeren die nodig is voor 5G/6G op een standaard sedan, heeft deze vaak moeite om de snelheidslimieten bij te houden.

De Oplossing: SIMD (De "Super-gereedschapskist")

Het artikel stelt een specifiek hulpmiddel voor om deze standaard sedans raceklaar te maken: SIMD (Single Instruction, Multiple Data).

De Analogie:
Stel je voor dat je een chef-kok bent die een diner bereidt voor een grote familie.

• Zonder SIMD (Scalar Processing): Je snijdt één wortel, en legt die dan in de pan. Daarna snijd je de volgende wortel en legt die in de pan. Je doet dit één voor één. Het krijgt de klus geklaard, maar het is traag.
• Met SIMD: Je hebt een speciaal mes waarmee je vier wortels tegelijkertijd met één beweging kunt snijden. Je snijdt ze niet één voor één; je snijdt een hele partij in één keer.

In computertaal verwerkt een standaard CPU gegevens één stukje per keer. SIMD stelt de CPU in staat om een hele "batch" gegevens te pakken (zoals vier of acht getallen) en dezelfde wiskundige bewerking tegelijkertijd op al deze getallen uit te voeren.

Wat Hebben Ze Getest? (De MIMO-race)

De auteurs richtten zich op een specifieke, zeer zware wiskundige taak genaamd MIMO-detectie.

• De Taak: In moderne netwerken gebruiken masten meerdere antennes om tegelijkertijd veel signalen te verzenden en te ontvangen. De computer moet deze signalen ontwarren om te achterhalen wat er daadwerkelijk is verzonden. Dit omvat enorme hoeveelheden matrixwiskunde (het vermenigvuldigen en delen van rasters met getallen).
• Het Experiment: Ze bouwden een simulatie van een 5G-netwerk dat draait op een standaard computerserver. Ze vergeleken twee versies:
  1. De Oude Manier: De wiskunde één getal tegelijk verwerken.
  2. De SIMD-Manier: De "super-mes" gebruiken om batches getallen te verwerken.

De Resultaten: Sneller en Groener

Het onderzoek toonde aan dat het gebruik van SIMD een gamechanger was:

1. Snelheid: De SIMD-versie was ongeveer 50% sneller dan de standaardversie. In sommige gevallen werd de tijd die nodig was om een signaal te verwerken zelfs gehalveerd.
2. Nauwkeurigheid: Ze probeerden "single precision" wiskunde (minder gedetailleerde getallen) te gebruiken om het nog sneller te maken. Ze ontdekten dat de resultaten bijna identiek waren aan de "double precision" (zeer gedetailleerde) wiskunde, wat betekent dat ze sneller konden gaan zonder kwaliteitsverlies van het signaal.
3. Energie: Omdat de computer de klus veel sneller voltooide, hoefde deze niet zo lang te draaien. Dit bespaarde een aanzienlijke hoeveelheid energie (meer dan 50% in sommige benchmarks), waardoor het systeem "groener" is.

Waarom Niet Gewoon GPU's of Speciale Chips Gebruiken?

Je vraagt misschien: "Waarom niet een grafische kaart (GPU) of een speciale chip (FPGA) gebruiken?" Het artikel vergelijkt de opties:

• GPU's: Als een enorm leger van arbeiders. Ze zijn geweldig voor enorme, repetitieve taken, maar kunnen lastig op te zetten zijn, verbruiken veel stroom en introduceren soms vertragingen (latency) die te traag zijn voor real-time radiosignalen.
• FPGA's: Als een op maat gemaakte robot. Ze zijn super snel en efficiënt, maar zijn erg duur om te programmeren en moeilijk te veranderen zodra ze gebouwd zijn.
• SIMD op CPU's: Dit is de "Goldilocks"-oplossing (het ideale midden). Het gebruikt de computer die je al hebt (de sedan), vereist geen speciale hardware, is gemakkelijk te programmeren en is snel genoeg om de strikte tijdsregels van 5G/6G te handhaven.

De Toekomst: Wat Dit Betekent voor 6G

Het artikel concludeert dat SIMD een cruciale technologie is voor de toekomst van draadloze netwerken (6G).

• Distributed MIMO: Stel je vele kleine radiouniteiten voor die samenwerken als een team. SIMD helpt hen om snel te coördineren.
• Groene Netwerken: Door de software efficiënter te maken, verbruiken we minder elektriciteit, wat helpt voor het milieu.
• AI-Integratie: Omdat SIMD op standaardsoftware draait, is het gemakkelijker om toekomstige AI-tools te integreren die het netwerk beheren.

Samenvattend:
Het artikel betoogt dat we geen dure, op maat gemaakte hardware nodig hebben om 5G en 6G snel te laten werken. In plaats daarvan kunnen we onze standaard computerservers simpelweg leren om een ingebouwde functie genaamd SIMD te gebruiken. Dit verandert een standaard "sedan" in een "raceauto" door de computer in staat te stellen data in batches te verwerken, waardoor het netwerk sneller, goedkoper en energie-efficiënter wordt.