[논문 리뷰] A Survey on 5G Energy Efficiency: Massive MIMO, Lean Carrier Design, Sleep Modes, and Machine Learning.

David López‐Pérez, Antonio De Domenico외 5명|arXiv (Cornell University)|2021. 01. 27.

Advanced MIMO Systems Optimization참고 문헌 133인용 수 12

한 줄 요약

이 종합적 서베이는 5G 네트워크에서 에너지 효율성에 대해 막대한 MIMO, 레이니 캐리어 설계, 고급 슬립 모드, 기계학습 통합을 중심으로 분석한다. 이는 이론적 및 실용적 트레이드오프를 평가하며 녹색 5G 구현을 위한 최적의 운영 지점과 핵심 과제를 제공한다.

ABSTRACT

Cellular networks have changed the world we are living in, and the fifth generation (5G) of radio technology is expected to further revolutionise our everyday lives, by enabling a high degree of automation, through its larger capacity, massive connectivity, and ultra-reliable low latency communications. In addition, the third generation partnership project (3GPP) new radio (NR) specification also provides tools to significantly decrease the energy consumption and the green house emissions of next generations networks, thus contributing towards information and communication technology (ICT) sustainability targets. In this survey paper, we thoroughly review the state-of-the-art on current energy efficiency research. We first categorise and carefully analyse the different power consumption models and energy efficiency metrics, which have helped to make progress on the understanding of green networks. Then, as a main contribution, we survey in detail -- from a theoretical and a practical viewpoint -- the main energy efficiency enabling features that 3GPP NR provides, together with their main benefits and challenges. Special attention is paid to four key technology features, i.e., massive multiple-input multiple-output (MIMO), lean carrier design, and advanced idle modes, together with the role of artificial intelligence capabilities. We dive into their implementation and operational details, and thoroughly discuss their optimal operation points and theoretical-trade-offs from an energy consumption perspective. This will help the reader to grasp the fundamentals of -- and the status on -- green networking. Finally, the areas of research where more effort is needed to make future networks greener are also discussed.

연구 동기 및 목표

• 지속 가능한 ICT 발전을 지원하기 위해 현재의 전력 소모 모델과 에너지 효율성 지표를 분석하기 위해.
• 막대한 MIMO, 레이니 캐리어 설계, 고급 슬립 모드를 포함한 핵심 5G 에너지 효율 기술의 이론적 및 실용적 성능을 평가하기 위해.
• 인공지능 및 기계학습이 5G 네트워크 기능 전반의 에너지 효율성을 최적화하는 데 수행하는 역할을 검토하기 위해.
• 5G 네트워크 구성 요소의 에너지 소비에서 최적의 운영 지점과 내재된 트레이드오프를 식별하기 위해.
• 더 나은 미래의 녹색 5G 및 그 이상의 네트워크를 달성하기 위한 열린 연구 과제를 부각시키기 위해.

제안 방법

• 5G 연구에서 사용되는 기존 전력 소모 모델과 에너지 효율성 지표의 체계적 리뷰 및 분류.
• 에너지 절약 기능을 평가하기 위해 3GPP NR 사양을 심층 분석한다. 이는 막대한 MIMO 빔포밍 및 동적 자원 할당을 포함한다.
• 저교통 상황에서의 신호 전송 및 회로 전력 감소를 위해 레이니 캐리어 설계 기법을 평가한다.
• 저활동 기간 동안 에너지 소비를 최소화하기 위해 고급 대기 및 슬립 모드(예: RRC_INACTIVE, eICIC)를 조사한다.
• 교통 패턴 예측 및 전송 파arameter 최적화를 통해 에너지 절약을 가능하게 하는 기계학습 응용을 검토한다.
• 조사된 기술들 사이에서 스펙트럼 효율성, 지연 시간, 에너지 효율성 간의 이론적 트레이드오프를 통합한다.

실험 결과

연구 질문

• RQ1 다양한 전력 소모 모델과 에너지 효율성 지표는 녹색 5G 네트워크 평가에 어떻게 영향을 미치는가?
• RQ2 5G NR 구현에서 막대한 MIMO를 통해 달성 가능한 이론적 및 실용적 에너지 절감은 무엇인가?
• RQ3 레이니 캐리어 설계는 네트워크 성능에 영향을 주지 않으면서 에너지 소비를 어떻게 줄이는가?
• RQ4 5G 기지국에서 고급 슬립 모드의 최적 운영 지점과 트레이드오프는 무엇인가?
• RQ5 기계학습은 5G 네트워크 기능 및 자원 관리에서 에너지 효율성을 어떻게 향상시킬 수 있는가?

주요 결과

• 막대한 MIMO는 빔포밍과 공간 multiplexing를 통해 스펙트럼 효율성을 크게 향상시키고 비트당 에너지 소비를 감소시킨다.
• 레이니 캐리어 설계는 저교통 조건에서 불필요한 대역폭과 제어 오버헤드를 최소화함으로써 회로 및 신호 전력 소비를 줄인다.
• RRC_INACTIVE 및 동적 슬립 주기와 같은 고급 슬립 모드는 저활동 기간 동안 기지국의 에너지 소비를 최대 30–50%까지 줄일 수 있다.
• 기계학습 기법은 교통 수요 예측 및 사전 에너지 절약 조치를 가능하게 하여 잠재력을 보여주지만 실시간 구현 과제는 여전히 남아 있다.
• 특히 초신뢰성 낮은 지연 통신(URRLC) 시나리오에서 에너지 효율성과 지연 시간 사이에 핵심 트레이드오프가 존재한다.
• 진전에도 불구하고, 에너지 효율성 지표 표준화 및 이질적인 5G 네트워크 배포 전반에 걸친 AI 기반 최적화 통합 분야에서 여전히 중요한 연구 격차가 존재한다.