HPE与爱立信联合验证双模5G核心网技术

HPE宣布与爱立信合作开设研究设施,旨在验证双模5G核心网服务,为电信运营商提供"无缝"的下一代核心网络。

两家公司表示,他们的联合验证实验室将解决电信服务提供商在部署多供应商基础设施堆栈时面临的关键挑战。该实验室将作为互操作性测试的环境,确保验证的产品满足电信运营商的要求。

该验证实验室位于瑞典爱立信总部附近,将于2025年底投入运营,为客户提供真实环境下的测试和反馈。2026年上半年,重点将转向验证集成服务,以确保更快的上市时间和简化的生命周期管理。

通过验证云原生、AI赋能的双模5G核心网服务,爱立信和HPE相信他们的合作能够满足日益增长的需求,即在管理引入新服务复杂性的同时部署高性能、可扩展且高效的网络。这一举措使电信运营商能够简化运营、加速创新并满足日益互联世界的需求。

该技术堆栈结合了爱立信的双模5G核心网服务与HPE ProLiant Compute Gen12i服务器、HPE Juniper网络结构(由Apstra数据中心总监管理)以及Red Hat OpenShift。

爱立信的双模5G核心网将支持5G和4G网络,为寻求高效扩展和面向未来网络的运营商降低复杂性和运营成本。

搭载Intel Xeon 6处理器的HPE ProLiant Compute DL360和DL380 Gen12服务器据称能够为网络密集型电信容器化核心网络功能(如AMF、UPF和SMF)提供优化性能。这些服务器通过HPE集成远程管理7在每一层都提供内置保护,这是业界首个也是唯一的从芯片到云的安全解决方案。

HPE补充说,在中心,由QFX系列交换机和Apstra数据中心总监驱动的Juniper网络高性能结构将通过基于意图的自动化和AIOps驱动的保障提高运营效率并降低运营成本。

Red Hat OpenShift将作为通用的云原生电信平台,使服务提供商能够灵活地快速开发、部署和扩展新服务,加速上市时间并减少传统部署周期。

两家公司表示,通过从核心到边缘提供一致的自动化运营体验,该平台简化了部署和管理高级网络功能固有的复杂性。

HPE电信基础设施业务副总裁兼总经理Fernando Castro Cristin表示:"基于我们与爱立信的战略合作伙伴关系,这次合作反映了HPE致力于为电信服务提供商提供创新技术解决方案,使其在5G和AI驱动的经济中蓬勃发展的承诺。"

他说:"通过将爱立信的云原生双模5G核心网和Red Hat OpenShift与我们经过验证的下一代HPE计算基础设施和HPE Juniper网络结构集成,我们正在开发一个新的集成产品,将为电信服务提供商提供快速部署、按需扩展、适应不可预测流量、提供可预测生命周期管理并跟上新兴技术步伐的灵活性。"

爱立信核心网络解决方案和产品组合负责人Krishna Prasad Kalluri补充说:"作为全球5G和核心网络的领导者,爱立信致力于推动创新和开放性,为电信服务提供商简化向云原生网络的转型之路。我们与HPE的合作关系以及联合验证实验室的建立进一步推进了在多供应商基础设施上为5G核心网创建云原生解决方案。"

Q&A

Q1:HPE与爱立信合作的双模5G核心网技术有什么特点?

A:该技术能够同时支持5G和4G网络,降低运营商的复杂性和运营成本,通过云原生、AI赋能的架构提供高性能、可扩展且高效的网络服务,帮助电信运营商简化运营、加速创新。

Q2:联合验证实验室什么时候投入使用?

A:验证实验室位于瑞典爱立信总部附近,将于2025年底投入运营,为客户提供真实环境下的测试和反馈。2026年上半年重点将转向验证集成服务。

Q3:这套技术堆栈包含哪些核心组件?

A:技术堆栈结合了爱立信的双模5G核心网服务、HPE ProLiant Compute Gen12i服务器、HPE Juniper网络结构(由Apstra数据中心总监管理)以及Red Hat OpenShift云原生平台。


内容概要:本文介绍了一种基于蒙特卡洛模拟和拉格朗日优化方法的电动汽车充电站有序充电调度策略,重点针对分时电价机制下的分散式优化问题。通过Matlab代码实现,构建了考虑用户充电需求、电网负荷平衡及电价波动的数学模【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)型,采用拉格朗日乘子法处理约束条件,结合蒙特卡洛方法模拟大量电动汽车的随机充电行为,实现对充电功率和时间的优化分配,旨在降低用户充电成本、平抑电网峰谷差并提升充电站运营效率。该方法体现了智能优化算法在电力系统调度中的实际应用价值。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源汽车、智能电网相关领域的工程技术人员。; 使用场景及目标:①研究电动汽车有序充电调度策略的设计仿真;②学习蒙特卡洛模拟拉格朗日优化在能源系统中的联合应用;③掌握基于分时电价的需求响应优化建模方法;④为微电网、充电站运营管理提供技术支持和决策参考。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注目标函数构建、约束条件处理及优化求解过程,可尝试调整参数设置以观察不同场景下的调度效果,进一步拓展至多目标优化或多类型负荷协调调度的研究。
内容概要:本文围绕面向制造业的鲁棒机器学习集成计算流程展开研究,提出了一套基于Python实现的综合性计算框架,旨在应对制造过程中数据不确定性、噪声干扰面向制造业的鲁棒机器学习集成计算流程研究(Python代码实现)及模型泛化能力不足等问题。该流程集成了数据预处理、特征工程、异常检测、模型训练优化、鲁棒性增强及结果可视化等关键环节,结合集成学习方法提升预测精度稳定性,适用于质量控制、设备故障预警、工艺参数优化等典型制造场景。文中通过实际案例验证了所提方法在提升模型鲁棒性和预测性能方面的有效性。; 适合人群:具备Python编程基础和机器学习基础知识,从事智能制造、工业数据分析及相关领域研究的研发人员工程技术人员,尤其适合工作1-3年希望将机器学习应用于实际制造系统的开发者。; 使用场景及目标:①在制造环境中构建抗干扰能力强、稳定性高的预测模型;②实现对生产过程中的关键指标(如产品质量、设备状态)进行精准监控预测;③提升传统制造系统向智能化转型过程中的数据驱动决策能力。; 阅读建议:建议读者结合文中提供的Python代码实例,逐步复现整个计算流程,并针对自身业务场景进行数据适配模型调优,重点关注鲁棒性设计集成策略的应用,以充分发挥该框架在复杂工业环境下的优势。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值