[논문 리뷰] Overview of AI and Communication for 6G Network: Fundamentals, Challenges, and Future Research Opportunities

Qimei Cui, Xiaohu You외 23명|arXiv (Cornell University)|2024. 12. 19.

Advanced Wireless Communication Technologies인용 수 4

한 줄 요약

이 논문은 인공지능(AI)을 제6세대(6G) 무선 네트워크에 통합하기 위한 종합적인 프레임워크를 제시한다. 이는 AI for Network, Network for AI, AI as a Service의 세 단계적 발전 단계를 포함한다. 통합된 AI 서비스 품질 측정 체계를 제안하고, 지속 가능성, 실시간 성능, 보안성 등의 핵심 과제를 분석하며, 재구성 가능한 지능형 표면(RIS), 통합 감지 및 통신(ISAC), AI 최적화된 비지면 네트워크 등의 AI 기반 6G 기술 향후 연구 방향을 규명한다.

ABSTRACT

With the growing demand for seamless connectivity and intelligent communication, the integration of artificial intelligence (AI) and sixth-generation (6G) communication networks has emerged as a transformative paradigm. By embedding AI capabilities across various network layers, this integration enables optimized resource allocation, improved efficiency, and enhanced system robust performance, particularly in intricate and dynamic environments. This paper presents a comprehensive overview of AI and communication for 6G networks, with a focus on emphasizing their foundational principles, inherent challenges, and future research opportunities. We first review the integration of AI and communications in the context of 6G, exploring the driving factors behind incorporating AI into wireless communications, as well as the vision for the convergence of AI and 6G. The discourse then transitions to a detailed exposition of the envisioned integration of AI within 6G networks, delineated across three progressive developmental stages. The first stage, AI for Network, focuses on employing AI to augment network performance, optimize efficiency, and enhance user service experiences. The second stage, Network for AI, highlights the role of the network in facilitating and buttressing AI operations and presents key enabling technologies, such as digital twins for AI and semantic communication. In the final stage, AI as a Service, it is anticipated that future 6G networks will innately provide AI functions as services, supporting application scenarios like immersive communication and intelligent industrial robots. In addition, we conduct an in-depth analysis of the critical challenges faced by the integration of AI and communications in 6G. Finally, we outline promising future research opportunities that are expected to drive the development and refinement of AI and 6G communications.

연구 동기 및 목표

• 6G 네트워크에서 AI와 통신의 통합에 대한 통합적 개요를 제공하여 기초 원칙, 과제 및 향후 연구 기회를 다루는 것.
• AI 및 대규모 모델의 진화를 분석하고, 차세대 통신 시스템에 미치는 변혁적 영향을 규명하는 것.
• AI for Network, Network for AI, AI as a Service의 세 단계적 발전 프레임워크를 제안하여 AI와 6G 인프라의 체계적 통합을 도모하는 것.
• 6G 네트워크 환경 내에서 AI 성능을 표준화하고 평가하기 위해 AI 서비스 품질 측정 체계를 정의하는 것.
• 지속 가능성, 실시간 성능, 보안성 및 개인정보 보호와 관련된 핵심 과제를 규명하고, 이를 완화하기 위한 실행 가능한 연구 방향을 제안하는 것.

제안 방법

• 세 단계적 진화 모델을 제안: (1) AI for Network—AI를 활용해 네트워크 기능을 최적화하는 것; (2) Network for AI—AI 워크로드를 지원하도록 네트워크를 설계하는 것; (3) AI as a Service—AI 기능을 네이티브 네트워크 서비스로 제공하는 것.
• 6G 네트워크에서 AI 서비스 성능을 정량화하고 표준화하기 위해 공식화된 AI 서비스 품질(QoAI) 프레임워크를 도입한다.
• 재구성 가능한 지능형 표면(RIS), 통합 감지 및 통신(ISAC), 오픈 RAN(ORAN), 비지면 네트워크(NTN), 근거리 통신 등 AI로 향상된 핵심 6G 기술을 분석한다.
• 3GPP, ITU 및 기타 기관의 표준화 노력에 대해 검토하여 글로벌 차원의 6G 네트워크에서의 AI 개발을 조율한다.
• 6G 환경에서의 동적 위협 탐지 및 자율적 보안 대응을 위해 적응형이며 개인정보 보호를 고려한 AI 알고리즘을 제안한다.
• ISAC 및 RIS 지원 네트워크에서 자원 할당, 웨이브폼 설계, 데이터 융합 최적화를 위한 AI 기반 기법을 개선한다.

실험 결과

연구 질문

• RQ1 AI를 어떻게 체계적으로 6G 네트워크에 통합하여 종단 간 지능형 네트워크를 실현할 수 있는가?
• RQ2 에너지 효율성, 지연 시간, 신뢰성 측면에서 AI 네이티브 6G 네트워크를 구현하는 데 있어 핵심적인 기술적 및 아키텍처 과제는 무엇인가?
• RQ3 6G 네트워크 환경 내에서 AI 서비스의 품질을 어떻게 측정하고 표준화할 수 있는가? 이를 통해 일관된 성능을 보장할 수 있는가?
• RQ4 RIS, ISAC, ORAN과 같은 신규 기술이 AI 기반 6G 성능 향상에 어떻게 기여하는가?
• RQ5 AI를 어떻게 활용하여 네트워크 보안과 개인정보 보호를 강화하면서도, 적대적 공격 및 데이터 泄露 위험을 최소화할 수 있는가?

주요 결과

• AI와 6G 네트워크의 통합은 AI for Network, Network for AI, AI as a Service의 세 단계로 진화하며, AI 강화 네트워크에서 AI 네이티브 인프라로의 전략적 전환을 반영한다.
• 6G 네트워크 내에서 AI 기능의 성능 지표를 표준화하기 위해 공식화된 AI 서비스 품질(QoAI) 프레임워크를 제안한다.
• 재구성 가능한 지능형 표면(RIS) 및 통합 감지 및 통신(ISAC)의 AI 기반 최적화로 스펙트럼 효율성과 네트워크 용량을 크게 향상시킬 수 있다.
• AI 기반 오픈 RAN 및 비지면 네트워크(NTN)는 유연한 자원 관리로 인해 글로벌 연결성과 회복력을 향상시키는 데 잠재력이 있다.
• 적응형 학습 및 자동 패치 적용을 포함한 AI 기반 보안 솔루션은 변화하는 사이버 위협에 대응하기 위해 동적인 6G 환경에서 필수적이다.
• 장점이 있음에도 불구하고 AI 통합은 증가하는 데이터 볼륨과 에너지 소비에 대한 우려를 야기하며, 지속 가능한 6G 구현을 위해 에너지 효율적인 AI 알고리즘의 개발이 필수적이다.