6세대 이동통신(6G) 경쟁력을 확보하기 위해 머신러닝 분야에서의 깊은 논의와 연계 연구가 활발히 진행돼야 한다는 주장이 나왔다.
미국 텍사스대 교수이자 북미에서 처음 가시화한 6G 연구 센터인 6G@UT에서 6G 분야 책임자인 제프리 앤드루스 오스틴 교수는
“6G에서 머신러닝과 네트워크가 핵심이다”라고 주장하며, “머신러닝 이론은 무선 분야에서 사용하는 신호 처리 및 최적화 도구와
밀접한 부분이 많아 상호 유기적으로 발전했다”고 강조했다.
인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하는
머신러닝
‘기계 학습’이라고 할 수 있는 머신러닝은 컴퓨터 과학 중 인공지능의 한 분야로, 패턴인식과 컴퓨터 학습 이론의 연구로부터 진화한 분야이다.
머신 러닝은 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다.
머신러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령들을 수행하는 것이라기보다,
입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취하는데, 이것을 바탕으로 만들어질
인공지능이 앞으로 인간의 삶을 어떻게 바꿔놓을지 기대를 모으고 있다.
머신러닝과
새로운 디지털 세계의 핵심 인프라, 6G의 만남
<자료> 과학기술정보통신부, “6G 시대를 선도하기 위한 「미래 이동통신 R&D 추진전략」(안)”,
2020. SEP inside 표준특허전문지, “차세대 이통통신(6G) 30호”, 2020, p.9
5G 통신 기술은 스스로 네트워크 환경을 학습하여 서비스 품질과 자원 사용 효율성을 최적화할 수 있는 6G로 진화 중이다.
6G는 초신뢰·초정밀, 5감 홀로그램 통신과 같은 초성능, Gbps급 실감 영상이나 공중·해상 통신과 같은 초공간, 10cm 오차 위치 측위와 같은 초정밀,
인간 또는 기계와 기계 간 초연결 등의 서비스를 제공함으로써 새로운 디지털 세계의 핵심 인프라가 될 것으로 주목받고 있다.
하지만 앞으로 인공지능을 사용하는 단말이 기하급수적으로 증가하고 새로운 형태의 대용량·대규모 연결 서비스가 증가하면 기존 방법으로는
한정된 무선통신 자원을 최대한으로 활용하는 것이 어려울 것으로 예측되고 있다.
또한 이론적으로는 최고 성능을 달성할 수 있는 방법이라도 복잡한 구현 방식, 계산량 가중 및 시간 지연 등의 문제가 있다.
최근 이와 같은 문제들을 해결하고 자원을 최적화해 사용하기에 알맞은 머신러닝을 이용한 무선통신 기술이 등장하고 있다.
네트워크 성능과 자원 사용의 효율성을 최적화하기 위해 머신러닝을 적용할 수 있게 되면서 지능형 네트워크의 구축이 가능해졌고,
머신러닝 프레임워크가 발전하면서 빠르고 정확하게 대규모의 데이터를 처리할 수 있게 되었다.
또한 효율적인 네트워크 운영 및 관리를 위한 도구로 연구ㆍ개발되고 있다.
머신러닝 기반의 차세대 통신 연구 동향
차세대 통신 요소기술은 고효율, 고신뢰, 고용량을 개선하기 위해 머신러닝을 결합한 형태로 연구되고 있다.
<자료> 성신여자대학교 자체 작성, Smart Office, IRS-aided Small MIMO system 부분은 참고문헌 [10],[12] 이미지 재가공
SDN은 개방형 API(Application Programming Interface)를 사용하여 소프트웨어 기반 컨트롤러에서 네트워크 트래픽을 제어 및 관리하는 방식을 의미하는데,
머신러닝 기반 SDN은 트래픽 또는 조직 내의 제어 및 운영과 관련된 데이터를 기반으로 학습하여 지능적으로 네트워크 자원을 효율적으로 할당하거나 관리할 수 있다.
Massive MIMO는 공간 분할에 의한 다원 접속(Spatial Division Multiple Access: SDMA)을 기반으로 시간 및 주파수 자원에서 다수의 사용자 단말(User Equipments: UE)을 동시에
서비스하는 기술인데, 지능형 Massive MIMO는 높은 정확도의 채널 상태 정보(Channel State Information: CSI)를 얻어 채널 추정 및 최적화된 스마트 빔포밍을 달성하여
시스템의 전체적인 네트워크 성능을 최적화한다.
또한, 머신러닝 기반 IRS의 향상된 커버리지 영역과 서비스 품질로 인해 지능형 UAV(Unmanned Aerial Vehicle)를 활용한 통신 서비스, 초현실 가상 서비스 등이
일상생활 및 산업 전반에 보급될 것으로 기대된다.
지능형 차세대 통신 기술들이 직면한 문제와 한계점
5G까지의 기술은 전반적으로 커버리지와 데이터 속도 등의 통신 성능을 개선하기 위한 관점에서 표준화 및 연구가 진행되었으며,
머신러닝을 결합한 차세대 무선통신 네트워크는 크게 두 가지의 한계점이 존재한다.
1. 초저지연 및 실시간성
기존 5G 기술은 무선 구간의 지연시간을 최대 1ms로 단축하여 초저지연, 초대역, 초정밀 성능 목표를 달성하고자 했다.
하지만 차세대 통신 기술은 머신러닝의 도입으로 애플리케이션별 지연시간 요구사항을 충족하기 어렵다.
또한, BS 또는 UE 장치의 제한된 처리 능력을 넘어서는 머신러닝 기반 시스템은 디바이스의 메모리,
에너지 자원 소모 문제를 야기하고, 엄격한 실시간성을 요구하는 애플리케이션의 성능 요구사항을 달성하지 못한다.
따라서 초저지연, 실시간성을 달성하기 위한 머신러닝 기반의 통신 기술에 관한 연구가 진행되어야 한다.
2. 실현 가능성 및 상용화
머신러닝 기반의 지능형 무선통신 시스템을 구현하기 위한 필수 구성 요소를 종래의 상용 네트워크 및 디바이스에 적용할 수 있는지에 대한 성능 검증이 필요하다.
실제 네트워크 환경의 제한된 컴퓨팅 파워와 메모리는 큰 용량이 요구되는 물리계층에서의 데이터 수집 및 기존 머신러닝의 정교한 학습을 구현하는데 제약이 있다.
또한, 머신러닝 기반 솔루션의 성능을 검증하기 위한 시뮬레이션 설정과 현실 환경은 차이가 있어 적용 가능성에 대한 실증이 필요하다.
머신러닝 기반 차세대 무선 통신 연구에 대한 현실적인 디바이스 및 네트워크 환경에서의 성능 평가가 이루어져야 차세대 통신 요소기술의 신뢰성 및 성능 목표 달성 여부를
파악할 수 있을 것으로 판단된다.
6G 현실화를 위한 필수조건!
머신러닝 기반 통신 기술 연구 개발
초성능과 초공간 같은 특성들을 혁신의 기반으로 삼을 수 있는 열쇠는 인공지능 기반 통신 기술의 발전에 있다고 해도 과언이 아닐 것이다.
현재 우리가 경험하고 있는 무선통신 기술의 패러다임을 바꿀 6G 이동통신의 미래를 위해 저가 경량 및 실시간성 요건을 만족시키는
머신러닝 기반 차세대 통신 기술에 대한 연구 개발이 선행되어야 할 것이다.