VIAVI با استفاده از NVIDIA مسیر شبکه های مستقل را تسریع می بخشد
قبل از DTW Ignite 2026، کپنهاگ
شبکه های حمل و نقل و IP بافت همبند کل بسته خدمات هستند. بسته هایی که بین سایت سلولی و مرکز داده، سازمانی و ابری، مشترکین و گره CDN حرکت می کنند از این لایه عبور می کنند. هر ویدیو، پیام فوری، ایمیل یا وب سایت را در نظر بگیرید.
شبکه های حمل و نقل برای خودکارسازی پیچیده هستند. یک هسته IP/MPLS مدرن، BGP، IGP، SR-TE، و RSVP را به طور همزمان اجرا می‌کند، با خط‌مشی‌های مسیریابی لایه‌بندی شده در صدها گره. مسیرهای سرویس توسط قوانین مهندسی ترافیک (TE) متعادل، محافظت شده و محدود شده‌اند که به روش‌هایی تعامل دارند که حتی با دید کامل، استدلال در مورد آنها دشوار است. وقتی چیزی تغییر می کند، پیامدها از طریق توپولوژی به روش های غیر واضح منتشر می شوند.
رویکرد سنتی که در آن مهندسان تغییر ایجاد می کنند، آنچه را که اتفاق می افتد مشاهده می کنند و واکنش نشان می دهند، دیگر قابل اجرا نیست. در شبکه‌ای با تعهدات SLA میلی‌ثانیه‌ای و خدمات ممتاز که مسیرهای حمل‌ونقل را هدایت می‌کنند، این بسیار خطرناک است.
گفتگو در مورد شبکه های خودمختار بر روی RAN متمرکز است. اما RAN به صورت مجزا کار نمی کند. لغو یک مسیر در لایه IP می‌تواند ترافیک سرویس‌های پریمیوم را که هیچ ارتباطی با تغییری که باعث آن شده است، مسدود کند. حمل و نقل جایی است که آسیب به خدمات می رسد و اختلالات می توانند واقعاً جهانی شوند.
شکاف های حمل و نقل، هوش مصنوعی و اعتبارسنجی
شبکه های حمل و نقل بر اساس سیستم های نموداری هستند: توپولوژی، مجاورت، وضعیت جاده. معماری‌های یادگیری ماشینی (ML) که به خوبی با داده‌های جدولی یا سری زمانی کار می‌کنند، در مسائل ساختار یافته گراف ضعیف عمل می‌کنند. شبکه های عصبی نمودار (GNN) ابزار مناسبی هستند، اما به داده های آموزشی نیاز دارند که توپولوژی واقعی و وضعیت ترافیک شبکه مورد ارزیابی را نشان می دهد.
به همین دلیل است که بیشتر تلاش‌های «هوش مصنوعی برای حمل و نقل» داشبورد ایجاد می‌کنند، نه راه‌حل. تفاوت بین مشاهده پذیری و عمل خودمختار یک شکاف اعتبار سنجی است. شما به سیستمی نیاز دارید که بتواند آنچه را که پیش از وقوع اتفاق می‌افتد شبیه‌سازی کند و یک توصیه معتبر و قابل اعتماد ارائه کند که یک اپراتور یا عامل مستقل بتواند به آن اعتماد کند.
عملیات مستقل نیاز به یک محیط اعتبار سنجی دارد که همیشه به روز، در دسترس و به اندازه کافی سریع باشد تا قبل از بسته شدن پنجره پشتیبانی، درخواست تغییر را پردازش کند. به معنای ابزار اساسی است یک دوقلو دیجیتال به طور مداوم با شبکه زنده و زیرساخت شبیه سازی همگام شده است که می تواند تغییرات شبکه مربوطه را ارزیابی کند و یک توصیه با امتیاز اطمینان را در چند ثانیه، نه چند ساعت، بازگرداند.
محاسبات تسریع شده NVIDIA
شبیه سازی همگرایی BGP در مقیاس توپولوژیکی کامل از نظر محاسباتی گران است. محاسبه مسیر SR-TE از طریق هزاران گره و ده ها هزار محدودیت خط مشی بدتر است.
شبیه‌سازی انتشار آسیب و شعاع انفجار در هر دو به طور همزمان نیازمند محاسباتی است که پلت‌فرم‌های مبتنی بر CPU نمی‌توانند با سرعت عملیاتی با هزینه معقول ارائه کنند.
شبکه های حمل و نقل در هر سطح ساختار گرافیکی دارند: نمودارهای توپولوژیکی، جداول مسیریابی به عنوان نمودارهای جهت دار، ماتریس های ترافیک به عنوان مجموعه های مرزی وزن دار. GNNهایی که روی این ساختارها کار می کنند می توانند در مورد رفتار جاده استدلال کنند، تراکم مسیریابی را پیش بینی کنند، و تاثیر یک خرابی را به روشی ارزیابی کنند که شبیه سازهای مبتنی بر قانون نمی توانند. بارهای کار آموزش و استنتاج آنها مستقیماً به زیرساخت محاسبات شتاب داده می شود.
یک سیستم اعتبارسنجی که با سرعت مورد نیاز برای یک عملیات حمل و نقل خودمختار عمل می کند باید یک سیستم محاسباتی تسریع شده باشد.
پروژه پیکربندی شبکه IP VIAVI
VIAVI طرح پیکربندی شبکه IP را ایجاد کرد تا اعتبارسنجی پیش از استقرار را برای عملیات حمل و نقل قابل اعتمادتر کند. این سیستم دو دوقلو دیجیتال مکمل (مثل سازی و الگوریتمی)، یک لایه یکسان سازی که خروجی های آنها را تطبیق می دهد و یک رابط هدف مبتنی بر هوش مصنوعی ترکیب می کند.
دو قلو طراحی شده برای حمل و نقل
دوقلو الگوریتمی آنچه را که شبکه انجام خواهد داد محاسبه می کند: وضعیت جدول مسیریابی، تصمیمات مهندسی ترافیک، انتخاب مسیر MPLS و SR-TE، پیش بینی های استفاده و نتایج اجرای سیاست. این بر روی پایگاه اطلاعات مسیریابی فعلی (RIB) و پایگاه اطلاعات انتقال (FIB) که به طور مداوم توسط شبکه زنده همگام شده اند، کار می کند.
همتای شبیه‌سازی نحوه رفتار شبکه را بازسازی می‌کند: رفتار جلسه واقعی و زمان همگرایی پروتکل برای ماشین‌های حالت BGP، IS-IS SR-MPLS، و SR-TE، همراه با الگوهای ترافیک دنیای واقعی تحت توزیع مجدد. یا در یک محیط مجازی یا روی سخت افزار مسیریابی فیزیکی با استفاده از پشته های پروتکل واقعی و تصاویر نرم افزار مسیریابی واقعی از فروشندگان مربوطه اجرا می شود.
دوقلوهای الگوریتمی سریع و از نظر تحلیلی دقیق هستند، اما انتزاعی، به دور از زمان بندی پروتکل، اشکالات نرم افزاری و غیره هستند. دوقلوهای شبیه سازی از نظر رفتاری دقیق هستند اما در مقیاس کامل گران هستند. آنها با هم حالت های شکست را پوشش می دهند که هر کدام به تنهایی از دست می دهند.
هنگامی که دو دوقلو پیش‌بینی‌های متفاوتی ارائه می‌کنند، نماینده فدرال آنها را از طریق یک سلسله مراتب سه‌لایه مطابقت می‌دهد، که با ارزان‌ترین شروع می‌شود:
- قوانین قطعی شرایط تطابق دقیق را کنترل می کنند: برداشت های RIB، واگرایی مسیر خدمات، جهت همگرایی. این تقریباً 70٪ موارد را با هزینه استنتاج مدل صفر حل می کند.
- انباشت وزنی ریاضی 20% بعدی را کنترل می کند و اختلاف امتیازها را بر اساس تأثیر سرویس انجام می دهد.
- داوری مدل مرزی از طریق NVIDIA Nemotoron تنها زمانی فراخوانی می‌شود که قوانین و ریاضیات با یکدیگر موافق نباشند – تقریباً 10٪ مواقع.
اپراتورها آنچه را که نیاز دارند به زبان ساده بیان می کنند:
- “این مسیر را بدون تأثیر بر خدمات پریمیوم حذف کنید”
- “تغییر مسیر ترافیک در اطراف این گره شکست خورده”
- “این اقدام تعمیر و نگهداری را قبل از استقرار تایید کنید”
Intent Agent درخواست اپراتور را به گردش کار اعتبار سنجی ساخت یافته ترجمه می کند. در هسته خود، مدل پایه دامنه مخابراتی VIAVI – آموزش داده شده در مورد دانش معماری Telco، گردش کار عملیاتی، و هوشمندی 3GPP – زبان اپراتور را به اقدامات شبکه معتبر و برنامه های اعتبار سنجی قابل اجرا ترجمه می کند. پاسخ‌هایی با اطمینان کم یا قصد مبهم به‌طور خودکار به NVIDIA Nemotron Nano-9B-v2 که به‌عنوان یک ریزسرویس NVIDIA NIM ارائه می‌شود، تشدید می‌شود و در صورت اهمیت، استدلال کلاس لبه‌ای را ارائه می‌کند. یک لایه قطعی سبک وزن، موارد لبه معمولی را با هزینه مدل صفر کنترل می‌کند و دقت، مقیاس و کارایی را در یک سیستم حلقه بسته ارائه می‌کند. یک پیش پردازنده قطعی پیش از LLM تقریباً 30٪ موارد لبه، مانند افعال خارج از دامنه و مقاصد نامشخص را با هزینه مدل صفر می گیرد.
امروزه، یک اپراتور می‌تواند از دستیاران پیشرفته هوش مصنوعی یا یک کوپایلوت داخلی بخواهد که یک تغییر پیشنهادی را تأیید کنند – بدون اینکه هیچ یک از این دستیارها چیز خاصی برای BP3 بدانند، از دوقلو الگوریتمی برای یک مسیر پیش‌بینی‌شده پرس و جو کند، از دوقلو شبیه‌سازی برای رفتار همگرایی پرس و جو کند، اهرم‌های جایگزین را مقایسه کند، آستانه همگرایی را پیدا کند، یک حکم مستدل بازگرداند.
BP3 قابلیت‌های خود را به‌عنوان سرورهای پروتکل زمینه مدل (MCP) ارائه می‌کند، استاندارد باز در حال ظهور برای قابلیت همکاری با ابزار هوش مصنوعی که فروشندگان پیشرو مدل به آن همگرا شده‌اند. پیامدهای عملیات حمل و نقل خودمختار مستقیم است. اولا، اپراتورها به کمک خلبان یک ارائه دهنده وابسته نیستند. در حالی که زیرساخت شبکه تطبیق می‌یابد، آنها هوش مصنوعی را می‌آورند که قبلاً به آن اعتماد دارند. دوم، زیرساخت اعتبار سنجی پایدار می ماند در حالی که مدل های مرزی در زیر تکامل می یابند: یک مدل جدید گنجانده شده است، BP3 به کار خود ادامه می دهد. لایه استدلال می تواند مبادله شود، بر اساس آن ساخته شود، یا تشکیل شود، در حالی که دوقلو زیرین حقیقت اصلی باقی می ماند.
آنچه که سیستم تایید می کند
هرگونه پیشنهاد تغییر در موارد زیر تأیید می شود:
- رفتار همگرایی BGP و IGP، از جمله ثبات زمان و مسیر
- انتخاب مسیر MPLS و SR-TE و failover تحت تغییر پیشنهادی
- توزیع مجدد ترافیک و ایجاد ازدحام حمل و نقل
- قرار گرفتن در معرض SLA برای هر سرویس و دامنه تأثیر سرویس
- انتشار شکست و شعاع انفجار در توپولوژی آسیب دیده
نتیجه یک توصیه تایید یا رد با استدلال کامل است: چگونه ترافیک دوباره توزیع می شود، ازدحام در کجا انباشته می شود، کدام سرویس ها در معرض دید قرار می گیرند و در بدترین سناریو تا چه اندازه شکست گسترش می یابد.
تغییرات تایید شده از طریق NETCONF و gNMI به آزمایشگاه یا تولید ارسال می شود. یک پنجره مانیتورینگ 60 ثانیه ای پس از استقرار KPIها را برای هر سرویس در برابر اهداف SLA نظارت می کند.
هر مرحله در یک پاکت حسابرسی امضا شده رمزنگاری شده با استفاده از HMAC-SHA256 ثبت می شود.
این طرح برای آزمایش در GitHub در دسترس است: https://github.com/VIAVI-AIOPS/closed-loop-intent-assurance
VIAVI و NVIDIA: محاسبه حمل و نقل سریع
اعتبار سنجی حمل و نقل به محاسبات بیشتری نسبت به RAN نیاز دارد، اما محاسبه تسریع شده معادله را به همان دو روشی که آن را در RAN تغییر می دهد، تغییر می دهد.
زمان نتیجه. تغییرات حمل و نقل اغلب نیاز به تأیید اعتبار در پنجره های نگهداری تنگ دارد. چرخه‌ای که در یک CPU چند دقیقه طول می‌کشد، در زیرساخت‌های محاسباتی شتاب‌دار NVIDIA چند ثانیه طول می‌کشد. این شکاف تعیین می‌کند که آیا اعتبارسنجی پیش از پیاده‌سازی از نظر عملیاتی قابل دوام است و آیا یک سیستم مستقل می‌تواند روی یک راه‌حل معتبر قبل از بسته شدن پنجره عمل کند یا خیر.
هزینه نتیجه. تجربه تأخیر CPU در زمان واقعی به معنای حفظ منابع محاسباتی بزرگ و گران قیمت در هر سناریو است. NVIDIA Accelerated Compute همان نتیجه را بسیار کارآمدتر به دست می آورد. با حجم راه حل های تولید شده توسط یک شبکه حمل و نقل مستقل، این کارایی چیزی است که اعتبار سنجی مداوم را از نظر اقتصادی مقرون به صرفه می کند.
مکانیسم خاص شبکه های عصبی نمودار است. شبکه های حمل و نقل در هر سطحی ساختار گرافیکی دارند: توپولوژی، جداول مسیریابی، ماتریس های ترافیک. GNN های آموزش دیده بر روی توپولوژی شبکه واقعی می توانند در مورد رفتار مسیر استدلال کنند، تراکم ارسال را پیش بینی کنند، و تاثیر یک خرابی را به گونه ای ارزیابی کنند که شبیه سازهای مبتنی بر قانون نمی توانند مطابقت داشته باشند. آنها ذاتاً قابل موازی سازی هستند و بار کاری آنها مستقیماً به زیرساخت محاسباتی تسریع شده اعمال می شود.
NVIDIA به زیرساخت‌های محاسباتی سریع و اکوسیستم CUDA کمک می‌کند. VIAVI به یک دوقلوی حمل و نقل چند پروتکلی کالیبره شده پیوسته کمک می کند که از وضعیت فعلی شبکه اطلاع دارد. آنها با هم یک محیط اعتبار سنجی ایجاد می کنند که با سرعت مورد نیاز اتوماسیون حمل و نقل کار می کند.
VIAVI Generative Reality Digital Twin™ (GRDT)
GRDT یک دوقلوی دیجیتالی یکپارچه، با کیفیت بالا و مولد یک شبکه زنده است. این دوقلوهای خاص دامنه – RAN، IP/حمل و نقل، و دیگران را در بر می گیرد که هوش مصنوعی و الگوریتم ها را قبل و در حین استقرار تأیید می کنند. کالیبره‌شده با داده‌های شبکه واقعی از راه‌حل‌های میدانی VIAVI و منابع زنده شخص ثالث، همان داده‌ها موتور هوش مصنوعی را آموزش می‌دهند تا مدل رفتار دنیای واقعی را با تکامل شرایط بازتولید کند. هوش مصنوعی هوش مصنوعی را در داخل GRDT قبل از اینکه هر تغییری در شبکه زنده رخ دهد آزمایش می کند.
دامنه ها متفاوت هستند و هر کدام مشکلات و الزامات خاص خود را دارند. RAN مانند IP و حمل و نقل رفتار نمی کند و مشخصات هر کدام باید در مدلی که برای آنها ساخته شده است تأیید شود. این قدرت یک رویکرد یکپارچه است: VIAVI طرح‌های اولیه دامنه را ارائه می‌دهد که هر کدام ابزار مناسبی برای کار خود هستند. آنچه شما نیاز دارید به دنبال مشکلی است که دارید، و VIAVI همه آن را مدیریت می کند.
VIAVI در DTW Ignite 2026
به VIAVI در DTW Ignite 2026 در کپنهاگ از 23 تا 25 ژوئن بپیوندید، جایی که ما نمونه کارهایی را به نمایش خواهیم گذاشت که از مدل شبکه زنده پشتیبانی می کند، به طور مداوم در زمان واقعی همگام شده و به دوقلو دیجیتال RAN مصنوعی تغذیه می شود. از ما در غرفه 236 دیدن کنید، جایی که کارشناسان VIAVI طیف وسیعی از راه حل ها را نشان می دهند که مسیر روشنی را برای عملیات مستقل سطح 4 بدون خطر معمول ارائه می دهند. VIAVI همچنین در میزهای گرد متمرکز و متعدد شرکت می کند کاتالیزور رویدادها در وب سایت رویداد بیشتر بدانید: https://tmforum.org/events/dtw
DTW Ignite 2026 | 23–25 ژوئن | کابین 236 | مرکز بلا، کپنهاگ
