[논문 리뷰] Embracing AI in 5G-Advanced Towards 6G: A Joint 3GPP and O-RAN Perspective

Xingqin Lin, Lopamudra Kundu외 2명|arXiv (Cornell University)|2022. 09. 12.

Advanced Wireless Communication Technologies인용 수 6

한 줄 요약

이 논문은 3GPP와 O-RAN 연합 표준 간의 조율를 통해 5G-Advanced 및 향후 6G 네트워크에 인공지능(AI)을 통합하기 위한 통합 프레임워크를 제시한다. 네트워크 아키텍처의 AI 기반 향상, 예를 들어 지능형 트래픽 스텝핑을 포함하여, 스케일러블하고 상호운용 가능한 AI 배포를 위한 주요 과제와 연구 방향을 규명한다.

ABSTRACT

Artificial intelligence (AI) has emerged as a powerful technology that improves system performance and enables new features in 5G and beyond. Standardization, defining functionality and interfaces, is essential for driving the industry alignment required to deliver the mass adoption of AI in 5G-Advanced and 6G. However, fragmented efforts in different standards bodies, such as the third generation partnership project (3GPP) and the open radio access network (O-RAN) Alliance, can lead to confusion and uncertainty about which standards to follow and which aspects of the standards to embrace. This article provides a joint 3GPP and O-RAN perspective on the state of the art in AI adoption in mobile communication systems, including the fundamentals of 5G architecture and its evolution towards openness and intelligence, AI for 5G-Advanced evolution, and a case study on AI-enabled traffic steering. We also identify several areas for future exploration to accelerate AI adoption on the path towards 6G.

연구 동기 및 목표

• 3GPP와 O-RAN 연합 간 AI 표준화의 분열 문제를 해결하기 위해 통합된 기술적 시각을 제공함으로써 5G-Advanced 및 6G 시스템에서의 표준화 분열을 방지한다.
• 오픈성과 지능화에 초점을 맞춘 5G 아키텍처의 진화를 분석하며, AI 통합 포인트를 중심으로 한다.
• 실제 네트워크 기능, 예를 들어 트래픽 스텝핑을 통해 사례 연구를 통해 AI의 실현 가능성과 이점을 입증한다.
• 6G 시스템에서 AI 도입을 가속화하기 위해 해결되어야 할 핵심 연구 격차와 표준화 필요성을 규명한다.
• 차세대 모바일 네트워크에서 상호운용성, 확장성, 표준화된 AI 솔루션을 향한 산업 및 연구자들을 안내한다.

제안 방법

• 3GPP와 O-RAN 사양를 비교 분석하는 방식을 통해 5G-Advanced 네트워크에서의 AI 도입 현황을 분석한다.
• 표준화 로드맵을 기반으로 라디오 액세스, 코어 네트워크, 트랜스포트 계층을 포함한 네트워크 기능 전반에 걸친 AI 활용 사례를 매핑한다.
• 3GPP와 O-RAN 준수 구성 요소 간 AI 모델 공유 및 조율을 가능하게 하는 공동 아키텍처를 제안한다.
• 실시간 라디오 및 사용자 데이터를 활용한 AI 기반 트래픽 스텝핑 사례 연구를 도입하여 로드 밸런싱과 QoE 최적화를 위한 실시간 네트워크 최적화의 가능성을 입증한다.
• 이질적인 네트워크 기능 간 상호운용 가능한 AI 배포를 위해 필요한 핵심 인터페이스와 데이터 모델을 규명한다.
• 분산 환경에서의 모델 이식성, 보안, 저지연 추론과 같은 기술적 및 표준화 과제를 평가한다.

실험 결과

연구 질문

• RQ1 3GPP와 O-RAN 연합 간 AI를 표준화하고 조율함으로써 5G-Advanced 및 6G 시스템에서의 분열을 방지할 수 있는 방법은 무엇인가?
• RQ2 오픈형 및 가상화된 5G-Advanced 네트워크 기능 전반에 걸쳐 AI를 구현하기 위한 주요 아키텍처적 요소는 무엇인가?
• RQ3 다양한 벤더 환경에서 실시간 네트워크 최적화, 예를 들어 트래픽 스텝핑에 효과적으로 AI를 적용하는 방법은 무엇인가?
• RQ4 3GPP와 O-RAN 준수 시스템 간 상호운용 가능한 AI를 구현하기 위해 필요한 핵심 인터페이스와 데이터 모델은 무엇인가?
• RQ5 확장성 있고 안전한 6G 네트워크에서의 AI 배포를 보장하기 위해 해결되어야 할 핵심 연구 및 표준화 격차는 무엇인가?

주요 결과

• 3GPP와 O-RAN의 공동 접근 방식은 5G-Advanced 및 6G 네트워크 전반에 걸쳐 일관된 AI 통합을 가능하게 하여 벤더 종속성을 줄이고 혁신을 촉진한다.
• AI 기반 트래픽 스텝핑은 실시간 조건에 기반해 트래픽을 동적으로 오프로딩함으로써 네트워크 자원 활용도와 사용자 QoE를 향상시킬 수 있다.
• AI 인터페이스와 데이터 모델의 표준화가 네트워크 기능 전반에서 AI 모델의 상호운용성과 이식성을 확보하기 위해 필수적이다.
• 3GPP와 O-RAN 프레임워크의 융합은 훈련에서 배포에 이르기까지 통합된 AI 라이프사이클 관리 접근 방식을 가능하게 한다.
• 여전히 모델 보안, 저지연 추론, 다영역 조율과 같은 여러 개방 과제가 남아 있으며, 이에 대한 추가 연구가 필요하다.
• 논문은 3GPP 및 O-RAN 생태계의 기존 및 신규 표준과의 조율를 통해 6G로의 명확한 길을 제시한다.