5G-Advanced 및 6G 기술을 위한 AI 모델 '훈련'

기존 RAN 시스템의 성능은 제한된 처리량, 높은 지연 시간, 리소스 활용률 감소 등 운영자에게 상당한 과제를 안겨줍니다. 상업용 5G 구축에서는 종종 업링크 성능을 고려해야 하는데, 특히 셀 가장자리에서 사용자 장비(UE)의 전송 전력이 제한되어 기지국에서 수신하는 신호 대 잡음비(SNR)에 영향을 미칩니다.

배경 잡음이 높기 때문에 기존 채널 추정 알고리즘은 SNR이 낮은 영역에서 어려움을 겪습니다. AI 모델은 정확한 채널 추정, 리소스 할당 최적화, 전력 소비 감소를 통해 새로운 접근 방식을 제공합니다. 이를 통해 시스템 용량이 늘어나고, 네트워크 성능이 개선되며, 뛰어난 사용자 경험이 제공될 수 있습니다.

이번 협업을 통해 삼성은 강력한 AI 모델을 자사의 vRAN 소프트웨어 솔루션에 통합할 수 있게 됐습니다.

키사이트의 채널 시뮬레이션 솔루션은 광범위한 채널 조건에 대한 채널 생성과 실시간 신호 처리, 무선 주파수(RF) 기능을 제공합니다. 삼성은 업링크 수신기의 채널 추정을 위한 고급 AI 모델을 만드는 데 성공하여 실험실 환경에서 관찰 가능한 이득을 크게 개선했습니다. 예를 들어, 시뮬레이션 실험에 따르면 현재의 정적 규칙 기반 방식 대신 AI 모델을 사용하여 채널 추정을 수행하면 네트워크 셀 가장자리의 처리량이 최대 30%까지 향상되는 것으로 나타났습니다.

삼성의 NVIDIA Aerial AI 플랫폼에서 실행되는 무선 및 분산 장비를 갖춘 풀스택 실험 설정을 사용하여 이 AI 모델의 성능을 평가합니다. 이 AI 모델은 NVIDIA GH200 Grace Hopper Superchip 플랫폼과 Keysight의 채널 에뮬레이션 및 코어 에뮬레이션 솔루션에 배포됩니다.

이러한 성과는 혁신을 촉진하고 AI 기반 RAN 기술이 광범위하게 채택될 수 있는 길을 열어줄 것입니다.

반 탄