데이터 기반 NextG 셀룰러 네트워크를 위한 O-RAN 내 지능 및 학습

차세대(NextG) 셀룰러 네트워크는 네이티브 클라우드 기반으로 프로그래밍 가능하고 가상화 및 분리된 아키텍처 위에 구축될 것입니다. 하드웨어 패브릭으로부터 제어 기능을 분리하고 표준화된 제어 인터페이스를 도입함으로써 맞춤형 폐루프 제어의 정의가 가능해지며, 궁극적으로 임베디드 지능 및 실시간 분석을 지원하여 자율 및 자가 최적화 네트워크의 비전을 효과적으로 실현할 것입니다. 본 논문에서는 NextG 네트워크의 핵심 원동력으로서 O-RAN Alliance가 제안한 분리형 네트워크 아키텍처를 살펴봅니다. 이러한 아키텍처 맥락 내에서 다양한 시간 척도에 걸친 네트워크 제어에 대한 데이터 기반 최적화 접근 방식의 잠재력, 과제 및 한계를 논의합니다. 또한 O-RAN 규격을 준수하는 소프트웨어 컴포넌트와 오픈 소스 풀스택 소프트웨어화 셀룰러 네트워크의 최초 대규모 통합을 제시합니다. 세계 최대 무선 네트워크 에뮬레이터인 Colosseum에서 수행된 실험을 통해 심층 강화 학습 에이전트를 통한 실시간 분석 및 제어의 폐루프 통합을 입증합니다. 또한 네트워크 엣지에서 데이터를 수집하기 위해 O-RAN 개방형 인터페이스를 활용하여, 공존하는 네트워크 슬라이스의 스케줄링 정책을 최적화하기 위해 준실시간 RAN Intelligent Controller에서 실행되는 xApp을 통한 Radio Access Network(RAN) 제어의 타당성을 보여줍니다.