DeepTelecom

DeepTelecom是一个三维数字孪生信道数据集，由浙江大学等研究机构创建。该数据集通过大语言模型辅助构建具有可分割材料-参数化表面的室外和室内场景，并基于Sionna的射线追踪引擎模拟全无线电波传播效果。DeepTelecom利用GPU加速，实时输出同步的多视图图像、信道张量和多尺度衰落轨迹，为无线人工智能研究提供了统一的基准，并为未来通信中的基础模型提供了丰富的训练基础。DeepTelecom is a 3D digital twin channel dataset created by research institutions including Zhejiang University. This dataset constructs outdoor and indoor scenes with separable material-parametrized surfaces with the assistance of large language models (LLMs), and simulates full radio wave propagation effects using Sionna's ray-tracing engine. Leveraging GPU acceleration, DeepTelecom simultaneously outputs synchronized multi-view images, channel tensors, and multi-scale fading trajectories in real time. It provides a unified benchmark for wireless artificial intelligence research and a rich training foundation for foundation models in future communications.

搜集汇总

数据集介绍

构建方式

在无线通信领域，高保真数据集的构建对推动人工智能驱动的创新至关重要。DeepTelecom采用大型语言模型辅助的流程，首先基于开放街景数据和激光雷达扫描构建具有可分割材质参数化表面的室内外三级细节数字孪生场景，随后利用NVIDIA Sionna射线追踪引擎在GPU加速环境下模拟全波传播效应，通过斐波那契球面采样发射射线并采用早期终止策略优化计算，最终记录每条射线的路径损耗、时延、角度等多维度物理参数。

特点

该数据集的核心优势在于其多模态、高保真与大规模特性。通过融合视觉图像、射线轨迹视频、信道张量及多尺度衰落迹线，它实现了电磁传播与几何环境的精确关联。其材质感知重建能力得益于LLM辅助的电磁参数批注，确保不同场景下介电常数与磁导率张量的物理一致性。此外，GPU并行化处理支持每秒超千万射线的计算吞吐，同时保持自动梯度能力，为基于物理的深度学习提供差异化训练基底。

使用方法

研究人员可通过配置基站与终端的三维坐标、天线阵列参数及智能反射面模式，生成特定场景下的信道冲激响应与频率响应。数据集支持多视角同步输出，包括热力图覆盖分析、多径轨迹可视化及MP4格式的动态传播模拟。用户可提取角度到达/离开、多普勒频移等关键指标，用于MIMO波束优化、无线定位等6G人工智能任务，其标准化HDF5与CSV格式确保与主流机器学习框架的无缝集成。

背景与挑战

背景概述

DeepTelecom数据集由浙江大学联合多家机构于2025年提出，致力于构建高保真三维数字孪生无线信道数据集。该数据集通过大语言模型辅助的场景建模与GPU加速射线追踪技术，精确模拟电磁波在复杂室内外环境中的传播特性，为6G通信系统中人工智能驱动的信道建模、波束成形及多模态感知研究提供标准化基准。其创新性地融合了物理精确的射线追踪与材料参数化建模，显著提升了无线AI研究的仿真精度与场景多样性，对推动智能通信系统发展具有重要价值。

当前挑战

DeepTelecom需解决无线信道建模中高精度多模态数据生成的挑战：一是传统射线追踪方法计算效率低下且缺乏材料语义标注，难以支持大规模场景仿真；二是需同步生成信道脉冲响应、热力图、多视角图像等多模态数据，对数据一致性与同步性提出极高要求；三是在构建过程中需克服三维场景重建的几何细节缺失问题，并通过大语言模型实现材料电磁参数的自动化标注与验证，确保物理仿真的准确性。

常用场景

经典使用场景

在无线通信与人工智能交叉领域，DeepTelecom数据集为MIMO系统信道建模与波束成形算法提供了高保真验证平台。其通过GPU加速的射线追踪技术，精确模拟复杂室内外环境中的电磁波传播效应，包括反射、衍射与散射等多径现象，支持研究者构建数字孪生场景下的信道响应矩阵与空间谱估计。

实际应用

DeepTelecom可应用于城市微蜂窝网络规划与室内定位系统优化，通过生成信号强度热力图与多视角同步数据，辅助通信基站部署与动态资源分配。其数字孪生能力还支持自动驾驶中的V2X信道仿真与工业物联网的可靠连接设计，为实际部署提供低成本的预验证手段。

衍生相关工作

基于DeepTelecom衍生的经典工作包括多模态融合的NLOS定位算法、RIS辅助的智能波束优化框架，以及结合LLM的场景语义解析技术。这些研究显著提升了信道估计的精度与效率，并为无线基础模型（如Wireless FM）的训练提供了标准化数据支撑。