[논문 리뷰] Ultra-Reliable and Low-Latency Wireless Communication: Tail, Risk and Scale

Mehdi Bennis, Mérouane Debbah외 1명|arXiv (Cornell University)|2018. 01. 01.

Advanced MIMO Systems Optimization참고 문헌 89인용 수 994

한 줄 요약

논문은 꼬리 행동, 불확실성하의 위험, 확장성을 강조하는 URLLC를 위한 원칙적 프레임워크를 제시하고, 네트워크 계층 및 수직 산업 전반의 가능한 기술들을 조사한다.

ABSTRACT

Ensuring ultra-reliable and low-latency communication (URLLC) for 5G wireless networks and beyond is of capital importance and is currently receiving tremendous attention in academia and industry. At its core, URLLC mandates a departure from expected utility-based network design approaches, in which relying on average quantities (e.g., average throughput, average delay and average response time) is no longer an option but a necessity. Instead, a principled and scalable framework which takes into account delay, reliability, packet size, network architecture, and topology (across access, edge, and core) and decision-making under uncertainty is sorely lacking. The overarching goal of this article is a first step to fill this void. Towards this vision, after providing definitions of latency and reliability, we closely examine various enablers of URLLC and their inherent tradeoffs. Subsequently, we focus our attention on a plethora of techniques and methodologies pertaining to the requirements of ultra-reliable and low-latency communication, as well as their applications through selected use cases. These results provide crisp insights for the design of low-latency and high-reliable wireless networks.

연구 동기 및 목표

• URLLC에 대한 엔드-투-엔드 지연 시간 및 신뢰성 개념을 정의하고 기존의 4G/5G 지표와 대조한다.
• 초고신뢰성과 밀리초 단위 지연 달성을 위한 주요 가능화 요소와 그 트레이드오프를 조사한다.
• URLLC 네트워크의 설계 및 분석을 안내하기 위한 프레임워크와 방법 도구(risk, tail, scale)를 제안한다.
• 꼬리 중심의 확장 가능한 네트워크 설계를 촉진하는 응용 사례와 사용 사례를 강조한다.

제안 방법

• URLLC 맥락 전반에 걸친 지연(엔드-투-엔드, 사용자 평면, 제어 평면)과 신뢰성의 정밀한 정의를 제공한다.
• 짧은 TTI, HARQ, 엣지 캐싱/컴퓨팅, 그랜트 프리 접근, NOMA, 엣지 AI, 네트워크 슬라이싱, 다중 연결 등 가능한 기술을 식별하고 논의하며 지연과 신뢰성에 미치는 영향을 설명한다.
• 위험-민감 학습, 극값 이론, 확률적 네트워크 계산, 평균장 방법의 개념을 포함하여 URLLC 분석을 위한 tail-, risk-, scale 중심 프레임워크를 도입한다.
• 유한 대 대형 블록길이, 스펙트럴 효율성 대 지연, 에너지 대 지연, 신뢰성 대 지연 등 기본 트레이드오프와 교차 계층 설계 고려사항을 논의한다.
• URLLC에서 불확실성과 꼬리 현상을 관리하기 위한 잠재적 방법론(Risk-sensitive learning, 엣지에서의 분산 AI, 네트워크 슬라이싱, proactive dropping)을 강조한다.

실험 결과

연구 질문

• RQ1 URLLC 요구사항을 평균 지연 및 장애 확률 너머로 어떻게 형식화하여 꼬리 행동과 엔드-투-엔드 신뢰성을 반영할 수 있는가?
• RQ2 불확실성과 다양한 수직 산업하에서 확장 가능한 URLLC 네트워크를 설계하는 데 가장 효과적인 도구의 집합(risk, tail, scale)은 무엇인가?
• RQ3 실제 5G/6G 아키텍처에서 지연, 신뢰성, 스펙트럴 효율성, 에너지 간의 주요 트레이드오프는 무엇인가?
• RQ4 엣지 컴퓨팅, 캐싱, 지능형 스케줄링이 접근-엣지-코어 네트워크 전반에서 엄격한 URLLC 요구를 충족하는 데 어떻게 기여할 수 있는가?

주요 결과

• URLLC는 평균 지표를 넘어서 꼬리 중심의 엔드투엔드 신뢰성 프레임워크로 이동이 필요하다.
• 다수의 가능화 요소(짧은 TTI, 엣지 캐싱/컴퓨팅, 동적 eMBB/URLLC 다중화, 그랜트 프리 접근, 다중 연결, 네트워크 슬라이싱)가 엄격한 지연 및 신뢰성 목표를 달성하는 데 결정적이다.
• 꼬리-위험-규모 중심 관점은 URLLC의 불확실성과 시스템 전체 설계 선택을 명확히 하는 데 도움을 준다.
• 위험-민감 학습 및 기타 고급 최적화 접근법은 URLLC 설정에서 불확실성 하의 큰 손실을 완화할 수 있다.
• 최적 다양성, 자원 공유, CSI 정확도, 및 URLLC를 위한 교차 계층 설계에 관한 해결되지 않은 질문과 열려 있는 연구 방향이 있다.