5G 시대가 10년 동안의 셀룰러 세대 시간 프레임의 중간 지점을 지나면서 6G 연구 및 개발 속도가 빨라지고 있습니다. 이 블로그 게시물에서는 NVIDIA가 떠오르는 6G 분야에서 어떻게 적극적인 역할을 하고 있는지, 혁신을 가능하게 하고 업계에서 협업을 촉진하고 있는지 강조합니다. 

NVIDIA는 AI 네이티브 6G 도구를 제공할 뿐만 아니라 혁신을 가속화하기 위해 파트너 및 산업 그룹과 협력하고 있습니다. 그림 1에서 볼 수 있듯이 6G 혁신 노력은 AI 네이티브 도구를 활용합니다. 이는  NVIDIA Aerial CUDA Accelerated RAN ,  NVIDIA Aerial Omniverse Digital Twin ,  NVIDIA Aerial AI Radio Frameworks를 포함한 NVIDIA Aerial  플랫폼  과 GPU 기반 플랫폼의 가속 컴퓨팅을 기반으로  합니다 . 

마찬가지로 NVIDIA는 파트너 및 광범위한 통신 생태계(  AI-RAN Alliance ,  3GPP ,  O-RAN 포함 )와 협력하여 6G 시대의 요구 사항과 기회를 형성할 AI/ML 지원 혁신을 추진하고 있습니다. 이러한 혁신은 6G 연구 개발을 가능하게 하는 플랫폼, 도구 및 청사진에 통합됩니다.

그림 1. AI와 가속 컴퓨팅이 6G를 정의할 것이다

무선 접속망을 위한 AI 청사진

무선 접속망(RAN)은 셀룰러 네트워크에서 가장 계산 집약적인 부분입니다. 6G의 많은 실질적인 새로운 기능과 역량의 초점이 되어 성능을 개선하고 RAN에서 기본적으로 AI/ML을 사용하여만 달성할 수 있는 새로운 사용 사례와 애플리케이션을 가능하게 할 것입니다. 

AI/ML 방법론은 RAN의 증가하는 복잡성을 해결하는 데 효과적인 것으로 입증되고 있습니다. IMT-2030 기술(예: 6G)에 대한 기대 사항을 설명하면서 국제 전기 통신 연합(ITU)은 새로운 6G 에어 인터페이스가 AI 네이티브이고 AI/ML을 사용하여 심볼 감지/디코딩 및 채널 추정과 같은 무선 인터페이스 기능의 성능을 향상시키도록 제안했습니다. 

표준화 관점에서 3GPP는 AI 네이티브 에어 인터페이스에 대한 ITU 제안을 구현하고 있습니다(그림 2). 릴리스 18에서 3GPP는 5G NR(New Radio) 에어 인터페이스에 대한 AI/ML에 대한 최초의 연구를 수행하여 AI/ML에 대한 일반 프레임워크와 채널 상태 정보(CSI) 피드백, 빔 관리, 포지셔닝을 포함한 선택된 사용 사례를 조사했습니다. 릴리스 19는 최소한 세 가지 측면에서 이를 확장할 것입니다. 

첫째, NR 에어 인터페이스에 대한 AI/ML에 대한 릴리스 19 작업 항목에는 릴리스 18 연구 중에 확인된 미해결 문제를 해결하기 위한 여러 연구 목표가 포함됩니다. 둘째, 릴리스 19는 수명 주기 관리(LCM)와 관련된 신호 및 프로토콜 측면을 지정하여 일방적 AI/ML 모델을 지원합니다. 여기서 일방적 모델은 UE 측 또는 네트워크 측일 수 있습니다. 셋째, 릴리스 19에서 3GPP는 UE 측에서 사용 가능한 정보를 추가로 고려할 NR 에어 인터페이스의 이동성을 위한 AI/ML에 대한 전담 연구를 수행합니다. 

구체적으로 이 연구에서는 UE 측 모델과 네트워크 측 모델 모두에 대한 AI/ML 기반 무선 자원 관리 예측과 UE 측 모델에 대한 이벤트(핸드오버 실패, 무선 링크 실패, 측정 이벤트 등) 예측을 조사합니다. 

NVIDIA는 릴리스 18에서 5G NR 에어 인터페이스에 대한 AI/ML에 대한 3GPP 연구 완료에 기여했습니다. NVIDIA는 현재 5G NR 에어 인터페이스에 대한 AI/ML에 대한 3GPP 릴리스 19 작업 항목에 기여하여 6G에 대한 5G-Advanced에서 AI/ML 사용에 대한 사양 지원을 도입하고 있습니다.

그림 2. 3GPP 릴리스 18의 5G-Advanced의 AI 개요

O-RAN 얼라이언스는 또한 기본적으로 지능적인 개방적이고 상호 운용 가능한 아키텍처를 향한 AI 중심 변환을 수행하고 있습니다. AI/ML 기반 기술을 사용하여 O-RAN은 개방형 RAN 아키텍처의 모든 계층에 지능을 통합하는 것을 목표로 합니다. O-RAN 아키텍처에 RAN 지능형 컨트롤러(RIC)를 도입한 것은 중요한 발전이었으며, 이를 통해 다양한 사용 사례에 AI/ML 기반 솔루션을 도입할 수 있었습니다. 

O-RAN Alliance의 차세대 연구 그룹(nGRG)은 차세대 오픈 RAN을 위한 AI 네이티브 아키텍처와 기능을 활성화하기 위한 연구 노력을 주도하고 있습니다. 여기에는 RAN과 다른 물리적 네트워크 도메인 간 크로스 도메인 AI, 또는 물리적 네트워크 경계를 넘어 물리적 및 디지털 트윈 네트워크 도메인 간도 포함됩니다. 

NVIDIA는 공동 의장 중 하나로 O-RAN Alliance nGRG를 이끌고 있으며  , 5개 연구 스트림에 걸쳐 개방형 RAN 중심 6G 연구 이니셔티브를 추진하기 위해 주요 산업 파트너와 협력하고 있습니다.

• 사용 사례 및 요구 사항
• 건축학
• 네이티브 및 크로스 도메인 AI
• 보안
• 차세대 연구 플랫폼.

그림 3. O-RAN에서의 AI 활성화를 향한 단계적 접근 방식

NVIDIA는 AI-RAN Alliance의 업계 리더들과 협력하여 AI 기반 에어 인터페이스의 구현을 가속화하고 있습니다. 모든 노력이 상호 운용성을 위한 사양 문서 개발에 집중되는 표준 설정 기관과 달리 AI-RAN Alliance의 초점은 구현 청사진을 만들고 새로운 AI 네이티브 RAN에 대한 AI/ML 알고리즘의 효능을 벤치마킹하는 것입니다. 

이러한 청사진은 커뮤니티에서 동일하거나 새로운 기능을 지원하는 자체 버전의 알고리즘을 개발하는 데 사용할 수 있습니다. 벤치마킹 결과는 커뮤니티에서 알고리즘의 성능과 관련 AI/ML 프레임워크를 평가하는 데 사용됩니다. 이 연합은 또한 RAN 및 생성 AI 추론 워크로드와 같은 기타 워크로드가 동일한 인프라 리소스를 동적으로 공유하여 사용을 늘릴 수 있는 멀티 테넌트 시스템을 구현하기 위한 청사진을 정의하도록 규정되어 있습니다(AI 및 RAN). 또한 RAN 인프라에서 차세대 AI 기반 애플리케이션을 구현하기 위한 청사진을 정의하고(AI-on-RAN) AI/ML 기반 알고리즘을 활용하여 스펙트럼 효율성을 개선하여 RAN 기능을 발전시키는 것을 목표로 합니다(AI-for-RAN).

NVIDIA는 또한 NVIDIA Aerial AI Radio Frameworks를 사용하여 새로운 AI/ML 알고리즘을 만들고 테스트하기 위해 개발자 커뮤니티와 직접 협력하고 있습니다  . 이는 RAN에서 훈련과 추론을 가능하게 하는 AI 향상 패키지를 제공합니다. pyAerial, NVIDIA Aerial Data Lake, NVIDIA Sionna와 같은 프레임워크 도구는 AI/ML 알고리즘 탐색에서 AI/ML 모델 훈련 및 추론에 이르기까지 연구 공간을 포괄하여 RAN에 대한 다양한 AI/ML 구성을 탐색하기 위한 청사진을 제공합니다. 

pyAerial은  설계를 시뮬레이션에서 실시간 운영으로 전환하는 워크플로의 일부로 사용할 수 있는 물리 계층 구성 요소의 Python 라이브러리입니다. 그림 4는 신경 수신기에 대한 사용 예를 보여줍니다.  Aerial Data Lake  는 Aerial CUDA-Accelerated RAN에 구축된 가상 RAN(vRAN) 네트워크에서 OTA(Over-The-Air) ‌RF 데이터 캡처를 지원하는 데이터 캡처 플랫폼입니다. 

NVIDIA Sionna  는 링크 수준 시뮬레이션을 위한 GPU 가속 오픈 소스 라이브러리입니다. 복잡한 통신 시스템 아키텍처의 신속한 프로토타입을 가능하게 하고  6G 신호 처리에서 머신 러닝 통합을 위한 기본 지원을 제공합니다  . 이러한 AI Radio 프레임워크는 NVIDIA Aerial CUDA-Accelerated RAN에 AI 향상을 가능하게 하며, 이는 상업용, 소프트웨어 정의, 클라우드 네이티브 5G 및 미래 6G RAN을 구축하기 위한 프레임워크입니다.

그림 4. pyAerial을 사용하여 신경 수신기를 구축하는 Aerial AI Radio Frameworks 예제 

디지털 트윈 네트워크

업계가 6G를 위한 AI 네이티브 에어 인터페이스를 설계함에 따라 AI/ML 모델을 훈련하기 위한 방대한 양의 합성 데이터를 생성할 수 있는 시스템 수준의 결정적 레이 트레이싱 기반 시뮬레이터와 물리적 네트워크에 배포하기 전에 도시 규모 네트워크의 고충실도 전체 시스템 시뮬레이션이 해결해야 할 과제입니다. 디지털 트윈 네트워크(DTN)는 이러한 과제를 해결하는 도구로, 물리적 5G/6G 네트워크의 전체 에뮬레이션을 제공하고 특성, 동작 및 구성을 미러링하여 개발자가 AI/ML 모델을 만들고 시뮬레이션 환경에서 테스트하고 미세 조정할 수 있도록 합니다. 

ITU는 DTN이 6G 시대 네트워크를 실시간으로 효율적이고 지능적으로 검증, 시뮬레이션, 배포 및 관리할 수 있도록 물리적 및 디지털 트윈 네트워크 간의 공생적 상호 작용을 기대합니다. "디지털 트윈 네트워크 - 요구 사항 및 아키텍처"에 대한 권장 사항  Y.3090  에서 DTN의 기능 및 서비스 요구 사항, 보안 고려 사항 및 잠재적인 아키텍처 청사진에 대한 기본 고려 사항을 제시했습니다. DTN과 같은 기술은 무선 주파수 트래픽 특성을 사용하여 물체의 거리, 각도 및 속도와 주변 환경의 특성과 같은 속성을 결정하는 방법에 대한 명확성을 제공함으로써 6G 시스템을 감지 네트워크로 사용하는 것을 향상시킵니다. 

TS 22.137 에서  3GPP는 통합 센싱 및 통신(ISAC) 주제 영역에서 무선 센싱에 대한 서비스 요구 사항을 객체 감지 및 추적, 환경 모니터링, 모션 모니터링의 세 가지 사용 사례 클래스로 정의했습니다. ISAC 프로젝트는 통신 인프라를 무선 통신 및 센싱 네트워크로 사용하는 잠재력을 탐구합니다. 무인 항공기(UAV), 스마트 홈, 차량 대 사물(V2X), 공장, 철도, 공공 안전과 같은 다양한 산업에 대한 입력을 제공합니다. 이를 통해 통신 회사에 새로운 수익원이 열립니다. 

ISAC 기술을 적절히 평가하려면 ‌무선 채널 모델링은 일관성을 제공해야 하며, 무엇보다도 환경의 기지국, 장치 및 객체 간의 주파수, 공간 및 시간 상관 관계를 정확하게 표현해야 합니다. 산란 현상의 기본 물리에 기반한 전파 모델 없이 이를 달성하는 것은 단순히 부자연스럽고 모델링 오류가 발생하기 쉬우며‌ 산업에 대한 노력 낭비입니다. 이러한 고려 사항은 DTN에서 무선 전파, 특히 레이 트레이싱에 대한 결정론적이고 물리 기반 모델링을 요구합니다. NVIDIA는 3GPP 릴리스 19에서 ISAC에 대한 채널 모델링에 기여하여 ISAC에 대한 결정론적/레이 트레이싱 기반 채널 모델이라는 아이디어를 옹호해 왔습니다.

AI-RAN Alliance에서 NVIDIA와 파트너는 AI-for-RAN 워크스트림에 대한 시스템 전체 및 사이트별 최적화를 위해 DTN을 사용하는 방법을 모색하고 있습니다. 주요 사용 사례 중 하나는 합성 데이터를 생성하여 AI/ML 모델을 훈련한 다음 디지털 트윈에 배포하여 물리적 RAN 시스템에서 켜기 전에 성능을 검증하는 기능입니다. 

NVIDIA는 O-RAN Alliance nGRG에서 다른 파트너와 협력하여 디지털 트윈 RAN(DT-RAN), 이를 지원하는 기술 및 구현 청사진에 대한 일련의 업계 가이드라인을 개발하고 있습니다. 

NVIDIA는 개발자 커뮤니티에 DTN 도구를 제공하여 6G 연구 개발을 가속화하는 데 도움을 주었습니다.  NVIDIA Aerial Omniverse Digital Twin  (AODT)은 5G 및 6G 무선 시스템에서 최첨단 AI 네이티브 에어 인터페이스 연구 개발을 수행하기 위한 차세대 시스템 수준 시뮬레이션 플랫폼입니다. RAN의 물리적(PHY) 및 매체 액세스 제어(MAC) 계층에 레이 트레이싱 채널을 적용하는 AODT는 시스템 성능을 벤치마킹하고, 합성 데이터를 생성하고, 시스템 수준 시뮬레이션에서 실제 조건에서 AI/ML 기반 무선 통신 알고리즘을 탐색하는 도구입니다.

모듈식 설계를 통해 연구자와 파트너는 모든 모듈을 자체 혁신적 설계로 대체하고 각각 상업적 솔루션을 위해 시스템을 강화할 수 있습니다. 예를 들어,  Ansys는  IMS 2024 컨퍼런스 및 전시회에서 Perceive EM Solver와 통합된 AODT를 선보였으며, 이를 통해 고객이 AI/ML 및 가상 RAN을 탐색할 수 있었습니다. 다가올 릴리스에서는 더욱 친숙한 사용자 인터페이스, 고급 지리공간 기능 및 산란 모델, 64TRx,  NVIDIA Omniverse 의 더욱 진보된 AI 기능이 도입됩니다 .

그림 5. NVIDIA Aerial Omniverse 디지털 트윈