무선 통신 테스트 | 6G 네트워크를 위한 AI 및 ML
#ThinkSix Tech Talk: AI in wireless communications – Neural receivers based on AI/ML
AI 기반 네트워크 최적화
로데슈바르즈와 Qualcomm Technologies는 최근 업계 최초의 획기적 “크로스 노드” AI/ML을 선보였습니다. 이 크로스 노드 AI/ML에서는 별도로 개발된 두 모델이 협업을 통해 복잡한 5G MIMO 시나리오에서 다운링크 처리량을 50% 이상 향상합니다.
핵심 요소
CSI(채널 상태 정보) 피드백은 정밀 빔포밍을 통한 고성능 송신에 사용되므로 대규모 MIMO 안테나 시스템의 기능에 매우 중요합니다. AI/ML는 시스템 효율성을 높이고 오버헤드를 줄이며 5G-Advanced에 이어 6G 네트워크에서 사용자 경험을 개선해 줄 것으로 기대됩니다.
하지만 ML을 통한 CSI 피드백 향상은 여러 요인들로 인해 특히 어려운 문제가 있습니다. 첫째, 이 기능을 작동하려면 네트워크측과 사용자 기기측에서 각각의 모델을 작동해야 합니다. 즉, 서로 다른 공급업체에서 개발한 각각의 두 모델이 상호 긴밀히 연동해야 한다는 것입니다. 그러므로, 이점을 최대로 활용하기 위해서는 공급업체 간 상호 운용성이 중요합니다. ML 기반 CSI 피드백이 특히 주목 받는 이유는 현재 3GPP에서 고려하는 유일한 크로스 노드 또는 “양방향” AI 파일럿 시나리오이기 때문입니다.
모델의 협업
두 AI/ML 모델의 작동 방식은 High-Definition 방송에 사용되는 인코딩 및 디코딩 프로세스에 비교할 수 있습니다. 즉, 복잡한 이미지를 전송할 때 전송의 양쪽 끝단에서 적절한 인코더와 디코더를 사용하여 작은 데이터 패키지로 압축한 다음 재조립하는 방식입니다.
이 사례에서 로데슈바르즈는 ML로 구동되는 디코더를 설계하여 네트워크측을 에뮬레이션하는 CMX500 5G One-box Signaling Tester를 구현하였습니다. 반면, Qualcomm Technologies는 기기 기반 ML로 구동되는 인코더를 만들었습니다. 두 기업 모두 각자 모델 훈련을 위해 다른 방법을 사용했습니다. 두 모델은 사전 정의된 레퍼런스 모델을 훈련의 기초로 이용하여 상호 호환되도록 훈련되었습니다.
모델 훈련 후에는 CMX500을 이용하여 8×4 MIMO를 갖춘 5G-Advanced 시나리오에 함께 적용하고, CMX500은 이 시나리오를 Qualcomm 테스트 장치에 전송했습니다. 스마트폰 모델이 계산을 수행하고 결과를 압축한 다음 다시 CMX500으로 전송하였습니다. 그런 다음 네트워크측 모델이 이 데이터를 사용하여 다운링크의 빔포밍을 정밀 조정하는 방식이었습니다.
ML 기반 CSI-RS 피드백 개선
로데슈바르즈 및 Qualcomm Technologies 전문가들이 5G Advanced와 관련해 ML로 개선된 CSI(채널 상태 정보) 피드백을 검증하기 위한 공동 프로젝트에 대해 논의하는 영상을 시청하십시오.
결과
어떤 결과를 얻었을까요? 일반 5G에 비해 처리량이 무려 51% 개선되었습니다! 따라서 이러한 협업은 무선 성능을 개선하기 위한 공급업체 간 AI/ML 구현의 타당성을 입증했을뿐만 아니라 AI/ML 구동 솔루션을 서로 다른 공급업체에 효과적으로 통합 및 테스트할 수 있음을 보여주었습니다. 이는 AI 기반 솔루션의 상용화를 향한 중요한 단계라고 할 수 있습니다.
또한 복잡한 무선 시스템에서 작동 가능한 AI 솔루션을 개발할 때 AI 개발 단계에서 필요한 파트너십과 팀워크의 수준에 주목한 것입니다.
업계의 두 기업이 협업을 통해 ML 알고리즘을 훈련, 구현하고 작동을 검증한 것도 이번이 최초였습니다. 이는 양방향 모델의 기초가 되며, AI-네이티브 무선 인터페이스가 구축될 6G 시대를 여는 길을 마련할 것입니다.
로데슈바르즈의 전문 담당자와 함께 귀사에 필요한 AI/ML Test Case에 대해 논의해 보시겠습니까?
