[논문 리뷰] Artificial Intelligence for Satellite Communication and Non-Terrestrial Networks: A Survey

G. Fontanesi, Flor G. Ortiz외 19명|arXiv (Cornell University)|2023. 04. 25.

Satellite Communication Systems인용 수 25

한 줄 요약

이 리뷰는 위성통신(SATCOM) 및 무궤도 네트워크(NTN)에서 AI/ML 활용 사례를 맵핑하고, 온보드 및 지상 AI 배치의 사용 사례, 아키텍처, 하드웨어, 도전과제 및 향후 방향을 상세히 제시한다.

ABSTRACT

This paper surveys the application and development of Artificial Intelligence (AI) in Satellite Communication (SatCom) and Non-Terrestrial Networks (NTN). We first present a comprehensive list of use cases, the relative challenges and the main AI tools capable of addressing those challenges. For each use case, we present the main motivation, a system description, the available non-AI solutions and the potential benefits and available works using AI. We also discuss the pros and cons of an on-board and on-ground AI-based architecture, and we revise the current commercial and research activities relevant to this topic. Next, we describe the state-of-the-art hardware solutions for developing ML in real satellite systems. Finally, we discuss the long-term developments of AI in the SatCom and NTN sectors and potential research directions. This paper provides a comprehensive and up-to-date overview of the opportunities and challenges offered by AI to improve the performance and efficiency of NTNs.

연구 동기 및 목표

• 공간, 지상, 사용자 세그먼트에 걸쳐 SATCOM 및 NTN에서 AI/ML 활용 사례를 식별하고 분류한다.
• SATCOM 시스템 최적화 및 자동화를 위한 AI 기반 솔루션의 도전과제와 이점을 분석한다.
• 위성 시스템에서 AI/ML을 지원하는 현재 하드웨어 플랫폼과 아키텍처를 검토한다.
• 온보드 대 지상 AI 배치의 트레이드오프와 이것이 OPEX 및 지연에 미치는 영향을 평가한다.
• SATCOM/NTN에서의 AI를 위한 향후 연구 방향과 잠재적 표준을 강조한다.

제안 방법

• IEEE, MDPI, Elsevier, Wiley의 학술지 및 컨퍼런스 논문에 대한 체계적 문헌 조사.
• 전통적인 네트워크 계층과의 정렬을 위한 SATCOM/NTN 활용 사례의 OSI 지향 분류.
• 각 사용 사례에 대한 기존 도구, ML 기법, 훈련/추론 패러다임의 설명.
• AI 하드웨어 생태계 평가 및 SATCOM 적용 가능성을 위한 상용 AI 칩셋 비교.
• 향후 배치 도전과제, 동향 및 연구 방향에 대한 논의.

실험 결과

연구 질문

• RQ1 AI/ML이 가치를 더할 수 있는 주요 SATCOM/NTN 활용 사례는 무엇인가?
• RQ2 SATCOM/NTN에서 온보드와 지상 AI 배치의 도전과제와 트레이드오프는 무엇인가?
• RQ3 다양한 SATCOM 활용 사례에 가장 적합한 ML 기법은 무엇인가? (감독학습, 비지도학습, 강화학습, 심층 학습)
• RQ4 SATCOM에서 AI/ML을 구현하기 위한 현재의 하드웨어 옵션은 무엇이며, 어떻게 비교되는가?
• RQ5 SATCOM 및 NTN의 AI를 위한 향후 방향과 연구 격차는 무엇인가?

주요 결과

• 본 논문은 SATCOM/NTN 활용 사례를 광범위하게 분류하고 각 사례에 ML 기법을 연결한다.
• 온보드 및 지상의 AI 아키텍처와 각각의 장점과 단점을 논의한다.
• SATCOM 응용에 관련된 현재 하드웨어 솔루션과 상용 AI 칩셋을 검토한다.
• 디지털 페이로드와 중앙집중식/클라우드형 아키텍처가 SATCOM/NTN에서 데이터 기반 최적화와 자동화를 가능하게 하는 방식을 강조한다.
• 본 조사는 도전과제를 식별하고 NGSO, HAP/LAP, 공간-에어-지상 네트워크와의 통합을 포함한 향후 방향을 제시한다.
• 방법론은 체계적 문헌 고찰과 OSI 지향적인 활용 사례 및 솔루션 구성에 의존한다.