[기고] 현대 무선 시스템 설계 복잡성, AI로 극복한다

하우만 자린쿠브 매스웍스 무선 제품 담당

(지디넷코리아=하우만 자린쿠브 매스웍스 무선제품담당)

하우만 자린쿠브 박사

4차 산업혁명 시대에 발맞춰 모바일 무선 기술이 5G로 발전했다. 이에 따라 무선 시스템 설계와 무선 네트워크 관리도 복잡해지고 어려워졌다. 개발자들은 이러한 난제를 해결할 방안으로 인공지능(AI)에 눈을 돌렸다.

AI는 자율주행 자동차의 통신 관리부터 모바일 통화의 자원 할당 최적화까지 현대 무선 응용 분야를 정교하게 만들었다. 네트워크에 연결된 기기 숫자와 범위가 늘면서 무선 영역에서 AI 역할이 크게 증가하고 있다.

AI를 활용한 무선 시스템 강점

특히 4차 산업혁명으로 발생한 5G로의 전환은 기기들 간의 시간 민감형 네트워킹을 위한 초고신뢰·저지연 통신 및 대규모 사물 인터넷 통신의 필요성이 커졌다.

기기들이 네트워크 자원을 확보하고 사용자 수와 무선 시스템 응용 사례가 지속적으로 증가했다. 이에 따라 과거 인간이 만든 선형 설계 패턴은 충분하지 않고, 자동적이고 효율적인 AI가 비선형 문제를 더 잘 해결할 수 있게 됐다.

머신러닝과 딥러닝 시스템은 주로 기기와 사람을 연결하는 통신 채널 안에서 패턴을 인식하는 데 사용된다. 뿐만 아니라 연결에 제공된 자원을 최적화해 각각 통신 성능도 개선한다. 이제 AI 없이 서로 네트워크를 운영하는 건 거의 불가능하다.

AI는 프로젝트 관리 측면에서도 이점이 있다. 알고리즘 모델에 시뮬레이션 환경을 통합하면, 눈에 띄는 시스템 효과를 확인하기 위해 최소한의 계산 리소스만 필요하다. 엔지니어들은 반복 작업에 대한 비용과 개발 시간을 줄일 수 있다.

AI를 이용한 무선 응용 분야

[사진=Randy Tarampi, Unsplash]

전기통신과 자동차 분야는 디지털 전환으로 AI 주요 응용 영역으로 자리매김했다. 한때 기계 중심이던 분야에 전자 통신을 배치해 스마트 도시, 전기통신망, 자율주행차 등이 연결돼 데이터가 생성됐고 이들을 결합하는 네트워크 자원에도 복잡성이 늘었다.

전기통신에서 AI는 물리 계층 및 그 상위 계층에 적용된다. 두 사용자를 연결하는 회선에서 성능을 개선하기 위한 AI 응용을 물리계층 운용이라 하는데, 물리 계층에 대한 AI 응용 사례는 디지털 전치왜곡, 채널 추정, 채널 자원 최적화, 통화 중 트랜시버 파라미터 자동 조정 등이 있다.

자동차 산업에서는 AI를 사용한 무선 연결로 안전한 자율주행을 구현한다. 자율주행차는 라이다, 레이더, 카메라 등 여러 센서에서 나오는 데이터로 차량이 위치한 환경을 해석한다. 자율주행차에 탑재된 하드웨어는 이렇게 다양한 출처에서 오는 데이터를 처리해야 해서, AI가 경쟁적인 신호들을 융합해 차량의 위치를 인식하고 환경과 상호작용할 수 있게 돕는다.

효과적 AI 모델, 데이터 규모·품질 관건

매스웍스 딥러닝 툴박스 프로그램을 통한 AI 활용 예시 [사진=매스웍스]

효과적인 AI 모델 배포 관건은 데이터 크기와 품질이다. 특히 다양한 실제 세계 시나리오를 다루기 위해서는 광범위한 데이터 훈련이 필요하다. 5G 네트워크 설계자는 매스웍스의 '5G 툴박스' 같은 응용 프로그램을 통해 원시 데이터에 새로운 데이터를 합성하거나, 무선 신호에서 데이터를 추출해 AI를 훈련할 수 있다.

만약 대량의 훈련 데이터셋을 탐색하지 않고 다양한 알고리즘에 반복 학습하지 않으면 전역 최적화가 아닌 좁은 국소 최적화에 그친다.

무선 기술의 활용 사례가 늘어남에 따라 AI 구현 필요성도 증가하고 있다. AI 없이는 5G, 자율주행 차량, IoT 응용 사례 같은 시스템이 효과적으로 작동할 수 있는 정교함을 갖추지 못할 것이다. 

엔지니어링, 특히 무선 시스템 설계에서 AI 비중이 최근 몇 년 동안 증가했지만, 활용 사례와 네트워크 사용자의 수가 늘어나며 앞으로 더욱 빠르게 증가할 것이다.

하우만 자린쿠브 매스웍스 무선제품담당(houmanz@mathworks.com)