5G en GaN:toekomstige innovaties

Het is gemakkelijk om te vergeten dat GaN nog een relatief jonge technologie is. We bevinden ons nog steeds in de eerste paar generaties van ontwikkeling met veel potentieel voor verbetering en verfijning. Dit artikel kijkt naar enkele van de GaN-innovaties die in het verschiet liggen en voorspelt hun impact op de stroomvoorziening van het basisstation in de komende jaren.

Vermogensdichtheid

Onze verwachting is dat we in de komende drie tot vijf jaar verbeteringen zullen zien aan de toch al aanzienlijke vermogensdichtheidscapaciteiten van GaN. Er zijn tegenwoordig al manieren om een ​​hogere vermogensdichtheid te bereiken met behulp van GaN, maar de kosten zijn extreem tot zover het commercieel niet haalbaar is. Bijvoorbeeld door GaN op diamant te zetten in plaats van siliciumcarbide. Het is mogelijk, maar de kosten maken het niet realistisch voor basisstations. Toch worden er andere kosteneffectieve processen onderzocht die de ruwe vermogensdichtheid van het materiaal in de komende jaren zullen verbeteren.

De aantrekkingskracht binnen de 5G-infrastructuurmarkt is duidelijk:goedkopere, efficiëntere basisstations met een grotere bandbreedte. Ook vanuit andere branches is er veel belangstelling. Vooral radartoepassingen zouden hiervan profiteren, omdat ze erop zijn gericht om binnen een bepaalde ruimte zoveel mogelijk vermogen en efficiëntie te genereren. Naarmate GaN zich in deze submarkten verspreidt, nemen de schaalvoordelen toe en zal de prijs blijven dalen.

Lineariteit

De grootste prioriteit van de GaN-halfgeleiderindustrie voor basisstations is ongetwijfeld het vergroten van het lineaire vermogen. R&D-inspanningen zijn allemaal gericht op het stimuleren van lineaire efficiëntie in de komende jaren.

Tegelijkertijd verwachten we dat modulatieschema's voor basisstations de komende drie tot vijf jaar niet significant zullen veranderen. Het komt neer op een eenvoudige berekening van bits per hertz. Of u nu 256 QAM of 1024 QAM gebruikt, een systeem krijgt een bepaald aantal bits per hertz bandbreedte. Als die cijfers niet significant veranderen, is de ideale manier om meer uit een systeem te halen, lineaire efficiëntieverbeteringen.

Dat wil niet zeggen dat het niet kan worden aangepakt met meer vermogen van het fundamentele apparaat. Zelfs zonder lineariteitsverbeteringen zal de algehele energie-efficiëntie van de PA nog steeds signaalverbeteringen opleveren. Het helpt ontwerpers ook om systemen te verkleinen, omdat ze minder systeemvermogen en minder antenne-arrays nodig hebben. Hoewel aanvullende stroom- of tweedelijnsoplossingen werken, is het doel van GaN-leveranciers in de industrie om de trapping-effecten te verminderen, zodat systemen zo eenvoudig mogelijk worden.

Temperatuur

De temperatuur van basisstations blijft in de loop van de tijd stijgen. Vijf jaar geleden was de standaard om apparaten te specificeren tot 85°C. OEM's hebben dat naar 105 °C geduwd en de verwachting is dat ontwerpers van basisstations gevraagd zullen worden om temperaturen van 125 °C aan te kunnen. De meeste GaAs-apparaten hebben een maximale temperatuur van 150 ° C, wat u slechts 25 ° C geeft om binnen te werken. GaN-leveranciers zullen nauw moeten samenwerken met systeemontwerpers om creatieve manieren te vinden om embedded elementen koeler te houden. Deze druk zal groter zijn in kleinere buitenunits met enorme MIMO-arrays. Creatieve oplossingen bestaan ​​vandaag, maar niet tegen een kosteneffectieve prijs. We verwachten dat dit de komende jaren zal veranderen.

Holistische oplossingen

Elke GaN-leverancier is bezig met het afstemmen van de fysica van GaN-apparaten om de lineaire efficiëntie, vermogensdichtheid en betrouwbaarheid te verbeteren en tegelijkertijd de negatieve effecten van trapping, stroominstorting en stroomdrift te verminderen. Dit kan tot op zekere hoogte op apparaatniveau worden gedaan, maar om het volledige potentieel te bereiken, moeten RFFE-systemen voor basisstations worden ontwikkeld in combinatie met de totale architectuurketen, en dat is waar we tegenwoordig veel toekomstgerichte activiteiten zien.

Dit is vooral van cruciaal belang nu de industrie verschuift van LDMOS naar GaN-oplossingen. De technologie is fundamenteel anders. Het is niet zo eenvoudig als vervanging in een GaN PA en 10 punten betere efficiëntie verwachten. Er zijn verschillende systeemproblemen en oplossingen. Een voor LDMOS geoptimaliseerd basisstation is mogelijk niet geschikt voor een GaN PA en omgekeerd. Het optimaliseren van basisstationsystemen voor GaN moet holistisch gebeuren.

We beginnen deze trend nu te zien en we verwachten een bredere acceptatie in de komende jaren, aangezien de prestatieresultaten voor zich spreken. De ingebedde ontwerpers die met leveranciers samenwerken om deze holistische ontwerpkloof te overbruggen, zullen zichzelf positioneren als marktleiders. OEM's zouden natuurlijk zeggen dat ze al een benadering op systeemniveau gebruiken. We zouden dat feit niet beweren, maar we geloven dat er nog meer winst te behalen valt, vooral omdat de RF-delen van de keten slimmer en meer geïntegreerd worden.

Slimme RF en kunstmatige intelligentie

Trapbeperking is een probleem geweest voor elk halfgeleidermateriaal, en GaN is daarop geen uitzondering. Schakeltoepassingen met hoge snelheid kunnen extreem uitdagende trapping-omgevingen creëren voor GaN-vermogensversterkers. Het oplossen van deze trapping-effecten kan complex zijn, omdat het PA-gedrag afhankelijk kan zijn van eerdere signalen die de PA heeft ontvangen. De traditionele benadering zou zijn om het op de fysieke laag aan te pakken, helemaal tot in het substraat, om aan te pakken wat het problematische gedrag veroorzaakt. De huidige technologie is er nog niet in geslaagd om trapping op deze manier volledig te verminderen, maar het is altijd onder R&D-onderzoek.

Een andere methode zou kunnen zijn om software-algoritmen te gebruiken om de variaties te voorspellen die tot trapping leiden. Met slimme RF-controllers en een diep genoeg begrip van de reeds bestaande omstandigheden, kunnen apparaten mogelijk verkeerspatronen identificeren en de volgende piek in activiteit voorspellen. Of herken een verminderde activiteit en verander dingen op controllerniveau om het stroomverbruik te verminderen. Dit wordt al vele jaren gedaan in basisstations, maar er worden voortdurend inspanningen geleverd om de technieken te verbeteren.

Daarom overwegen OEM's om kunstmatige intelligentie op radioniveau te implementeren. RFFE-systemen kunnen zichzelf in de loop van de tijd optimaliseren. Theoretisch, als een radio in het veld een fout genereert, zou deze de fout zelf kunnen identificeren en van de fout kunnen 'leren'. De volgende keer kan het de reeks gebeurtenissen die de fout hebben veroorzaakt voorkomen of mogelijk repareren. Het zou niet nodig zijn om de vervoerder te markeren, een vrachtwagen te sturen en mensen in de toren te zetten om kleine problemen op te lossen. U kunt zich voorstellen dat dit aanzienlijke uitvaltijd en kosten voorkomt.

6G

Zelfs nu 5G zich nog in de beginfase van de uitrol bevindt, beginnen de discussies voor 6G al. Vroege voorspellingen suggereren dat 6G zal worden geleverd in frequentiebanden van meer dan 100 Ghz, frequenties waarvan we weten dat GaN deze ondersteunt. Hoogstwaarschijnlijk zal dat type oplossing geen traditionele implementatie van een zendmast zijn, maar welke vorm het ook aanneemt, wij zijn van mening dat de efficiëntie van GaN bij hoge frequenties en over brede bandbreedtes het van cruciaal belang maakt om van 6G een realiteit te maken.

Verwante inhoud:

• 5G en GaN:inzicht in sub-6Ghz massieve MIMO-infrastructuur
• 5G en GaN:de verschuiving van LDMOS naar GaN
• 5G en GaN:wat ingebedde ontwerpers moeten weten
• Uitrol van 5G:een marathon geen sprint
• Hoe datagestuurde controle met ML de 5G-netwerkprestaties verbetert
• De grootste uitdagingen van 5G voor communicatieserviceproviders
• Kan machine learning de uitdagingen van complexe 5G-basisband oplossen?

Abonneer u voor meer Embedded op de wekelijkse e-mailnieuwsbrief van Embedded.