Rebalance

PE Notes · 네트워크

AI 네이티브 네트워크

AI를 사후 도구가 아니라 설계 원리로 넣는 네이티브 망을 SON과 비교하고, AI-RAN·디지털 트윈·닫힌 루프 제어를 한 장에 묶습니다.

셀이 수백만이고 연결이 수십억이면, 사람이 임계값을 고치는 속도가 트래픽을 못 따라갑니다. 는 AI를 분석 도구로 얹는 것이 아니라, 구성·최적화·치유의 설계 원리로 처음부터 넣습니다. ITU-R IMT-2030이 필수 특성으로 적습니다.

보조가 아니라 뼈대

지금 5G의 AI 적용은 사후 분석·권고에 가깝습니다. 사람이 최종 버튼을 누릅니다. 네이티브는 데이터 면이 망 전체에 열려 있고, 밀리초 단위로 정책이 바뀝니다. 표준도 나중에 붙이지 않고 처음부터 내장합니다.

AI-Native 정의와 기존 도구형 AI 대비, 자율 최적화·치유·보호, DRL·예측·연합학습
규칙은 임계값을 기다리고, 학습은 경험을 정책으로 바꾼다.

은 자기 구성·최적화·치유의 전신입니다. 트래픽 > 임계이면 전력을 올린다처럼 규칙입니다. 적응은 분~시간입니다. 미지 상황에는 가지가 없습니다. 네이티브는 강화학습으로 정책을 만들고, 지속 학습합니다.

비교축 SON AI-Native
제어 규칙 AI/ML 자율
적응 분~시간 밀리초
학습 없음 지속 개선
미지 상황 대응 제한 일반화
표준 3GPP SON 6G AI-Native

자율 최적화는 빔 방향·세기, 간섭 예측, 핸드오버 임계를 실시간으로 돌립니다. 유휴 셀을 재워 에너지를 줄입니다. 트래픽 예측은 시계열 모델이 자원을 미리 잡아 둡니다.

AI-RAN과 RIC

은 채널 추정·스케줄·변조·빔·간섭을 모델이 고르는 무선 접속망입니다. 고정 스케줄러 대신, 채널 상태를 넣고 다음 할당을 꺼냅니다.

AI-RAN과 Non-RT·Near-RT RIC, 빔·간섭·에너지, xApp·rApp
열린 RAN 위에 추론 주기를 나눈다. 가까운 루프가 무선, 먼 루프가 정책이다.

의 가 그 자리입니다. Near-RT는 10 ms~1 s, xApp이 추론합니다. Non-RT는 초 이상, rApp이 학습·배포합니다. 제어 평면은 RIC와 컨트롤러가 맞물립니다. 5G 코어의 는 데이터를 모아 인사이트를 주는 표준 분석 기능입니다.

기능 하는 일
채널 추정 DNN으로 채널을 읽음
스펙트럼 RL로 주파수를 나눔
빔 관리 위치를 예측해 빔을 미리 켬
간섭 인접 셀 모델이 협력
에너지 한산한 셀을 슬립

트윈이 닫힌 루프

은 실제 망의 가상 복제입니다. 텔레메트리로 동기화하고, 정책을 시뮬레이션한 뒤에야 실제 망에 내립니다. 새 기지국, 소프트웨어 갱신, 트래픽 폭주, 장애 범위를 트윈에서 먼저 봅니다.

디지털 트윈 정의와 수집·동기·시뮬·배포 루프, 5G 도구에서 6G 자율망으로의 로드맵
수집 → 트윈 → 검증 → 배포가 한 바퀴다. 닫히지 않으면 자율이 아니다.

닫힌 루프는 이 바퀴가 끊기지 않는 것입니다. 관측이 정책을 바꾸고, 정책의 결과가 다시 관측이 됩니다. 의도 기반 망(IBN)이 ‘무엇을 원하는지’를 말하면, 네이티브 루프가 ‘어떻게 맞출지’를 돌립니다. 연합학습은 기지국 로컬 모델을 모으면서 원본 트래픽을 중앙에 안 올립니다.

스택은 수집(INT·스트리밍), 분산 학습·MLOps, DNN·LSTM·RL·GNN, RIC·SDN, 3GPP TS 28 계열과 O-RAN AI/ML·ETSI ENI입니다. 사람이 임계를 고치던 SON에서, 모델이 밀리초로 닫는 망으로 옮기는 한 줄이 답안입니다.

기술사 답안 포인트

관련 용어

관련 토픽

← Topics 목록