건물, 차량 및 기타 장애물에 의해 반사·차단·산란되는 무선 신호의 어려운 전파 환경.

AI-RAN 기술은 네트워크 성능을 최적화하여 고객 경험을 개선하는 것을 목표로 한다. 

• AI 기반 상향링크 채널 추정(AI-based uplink channel estimation) 을 통해 초기 실험실 측정에서 전송 처리량(throughput)이 10~15% 개선되었다. 다음 단계로 현장 시험을 통한 검증을 진행할 예정이다.
• AI-RAN 혁신을 통해 네트워크 성능을 최적화하고 고객에게 최상의 서비스 경험을 제공하는 것을 목표로 한다.
• 노키아의 상용 5G RAN 소프트웨어와 NVIDIA Aerial RAN Computer를 결합하여 기술을 검증했다.

도이치텔레콤, 노키아, NVIDIA는 AI-RAN이 무선 성능을 어떻게 개선하고 고객에게 더 나은 모바일 서비스 경험을 제공할 수 있는지 검증하고 있다.

AI 기반 상향링크 채널 추정에 대한 초기 실험실 측정 결과, 일반적으로 전송 처리량이 10~15% 개선되는 것으로 나타났다. 무선 채널의 복잡성이 높아질수록 성능 개선 효과도 커졌다.

이번 검증에서는 노키아의 상용 5G RAN 소프트웨어와 NVIDIA Aerial RAN Computer를 결합했다. 여기에 AI 모델을 적용하여 RAN의 무선 처리 작업과 병행하면서 실시간으로 상향링크 채널을 추정하도록 했다.

이번 결과는 5G 무선 수신기의 신호 처리 체인에 AI를 직접 도입함으로써 상향링크 처리량을 높이고 고객 경험을 개선할 수 있음을 보여준다. 실험실 검증이 성공적으로 완료됨에 따라, 참여 기업들은 실제 환경에서 현장 시험을 통해 해당 기술을 검증할 계획이다.

도이치텔레콤 그룹 기술 부문 수석부사장(SVP Group Technology) 아라시 아슈우리하(Arash Ashouriha)는 다음과 같이 밝혔다.
"도이치텔레콤은 고객에게 실질적인 혜택을 제공하는 AI에 집중하고 있습니다. 노키아 및 NVIDIA와 함께 진행한 AI 기반 채널 추정 실험실 테스트의 유망한 결과는 네트워크 성능과 효율성을 개선할 가능성을 보여줍니다. 다음 단계에서는 현장 시험을 통해 이러한 성능 개선 효과를 검증할 계획입니다."

그는 이어 다음과 같이 말했다.

"노키아 및 NVIDIA와 함께 6G 이노베이션 허브(6G Innovation Hub)에서 이번 연구를 발전시켜, 모바일 네트워크를 더욱 지능적이고 적응적이며 효율적으로 만들기 위한 추가적인 AI 기반 기능을 탐구할 것입니다."

노키아 모바일 인프라 부문 사장 엠마 팔크(Emma Falck)는 다음과 같이 밝혔다.
"AI-RAN은 연구 단계를 넘어 통신사업자에게 측정 가능한 가치를 제공하는 단계로 나아가고 있습니다. 노키아의 상용 5G RAN 소프트웨어를 사용해 상향링크 처리량을 일반적으로 10~15% 향상시킨 결과는 AI를 통해 통신사업자가 이미 보유한 주파수 자원과 네트워크에서 더 높은 성능을 얻을 수 있음을 보여줍니다. 도이치텔레콤과 함께 이제 현장 검증을 향한 다음 단계로 나아가고 있습니다."

NVIDIA 통신 부문 수석부사장 로니 바시슈타(Ronnie Vasishta)는 다음과 같이 말했다.
"도이치텔레콤은 클라우드에서 네트워크 엣지까지 지능형 기능을 제공하는 풀스택 분산 인프라를 선도적으로 구축하고 있습니다. AI-RAN은 이러한 비전의 핵심 요소입니다. 노키아와 함께 NVIDIA의 가속 컴퓨팅이 오늘날 실험실에서 무선 성능을 측정 가능한 수준으로 개선할 수 있음을 도이치텔레콤과 함께 입증하고 있으며, 동시에 AI 네이티브 6G 네트워크의 기반을 마련하고 있습니다."

1. 실시간 무선 신호 처리에 AI 도입

이번 초기 연구는 물리 상향링크 공유 채널(Physical Uplink Shared Channel, PUSCH) 의 AI 기반 채널 추정에 초점을 맞추고 있다. PUSCH는 무선 인터페이스를 통해 사용자 데이터를 상향링크로 전송하는 채널이다.

사용자 단말과 네트워크 사이를 이동하는 무선 신호는 건물, 차량 및 기타 장애물에 의해 반사되거나 차단되거나 산란될 수 있다. 채널 추정은 RAN이 이러한 변화하는 무선 환경을 고려하고 수신 신호를 정확하게 처리할 수 있도록 하는 기능이다.

이번 솔루션은 기존의 신호 처리 알고리즘에만 의존하는 대신, 실시간 AI 모델을 사용해 무선 채널을 추정한다. 이 AI 모델은 RAN의 무선 처리 작업과 함께 GPU 기반 컴퓨팅 환경에서 실행된다. 이를 통해 AI를 실시간 무선 신호 처리의 핵심 구성 요소로 통합할 수 있음을 보여준다.

도이치텔레콤의 본(Bonn) 연구실과 노키아의 오울루(Oulu) 연구실에서 실시한 측정 결과, 테스트한 AI 기반 채널 추정 기능을 통해 상향링크 처리량이 10~15% 개선되었다.

무선 채널 환경이 복잡해질수록 성능 개선 폭이 커졌다. 이는 특히 무선 환경이 열악하고 네트워크 운용이 어려운 상황에서 AI가 성능 향상에 기여할 가능성이 있음을 보여준다.

2. 실험실 검증에서 실제 네트워크로

이번 연구는 네트워크 성능과 효율성을 최적화하고 궁극적으로 고객 경험을 개선하기 위해 AI를 활용하는 도이치텔레콤과 노키아의 광범위한 AI-for-RAN 연구의 일환이다.

다음 단계에서는 통제된 실험실 환경을 벗어나 상용 시스템을 대상으로 현장 시험을 진행할 예정이다. 이를 통해 실제 무선 환경에서 AI 기반 채널 추정 기능이 어떤 성능을 발휘하는지 검증할 계획이다.

3. 분산형 AI 인프라 연구

도이치텔레콤은 NVIDIA, Agile Robots, 노키아, Supermicro와도 협력하여 분산형 AI 인프라를 기반으로 하는 피지컬 AI(Physical AI) 애플리케이션을 발전시키고 있다.

초기 단계에서는 도이치텔레콤, NVIDIA, Agile Robots가 실험실 개념검증(PoC)을 진행하고 있다. 이 연구는 피지컬 AI 애플리케이션의 AI 워크로드를 다음 세 가지 컴퓨팅 환경에 분산하여 추론 작업을 수행하고 오케스트레이션하는 방법을 검증하는 데 초점을 맞추고 있다.

- Industrial AI Cloud: 산업용 AI 클라우드
- Telco Network Edge: 도이치텔레콤 통신 네트워크의 분산형 AI 컴퓨팅 인프라
- On-device Compute: 디바이스 자체의 컴퓨팅 자원

도이치텔레콤은 통신 네트워크 엣지에서 고성능 AI 컴퓨팅을 제공하기 위해 NVIDIA Aerial RAN Computer MGX 4U 시스템을 운용하고 있다. 이 시스템은 Agile Robots의 피지컬 AI 활용 사례 중 일부를 실행하는 데 사용된다.