초록 ▼

□ 연구개요
o 본 과제는 차세대 통신 시스템의 자율성, 적응성, 확장성 보장을 위한 On-device AI 무선자원관리 원천기술에 관한 연구. 특히 이를 위한 물리/다중엑세스 계층 핵심 원천기술을 개발하고, 통신망 제약 조건(한계 전송 용량, 컴퓨팅 용량, 저장 용량 등)을 고려한 분산 환경 학습 방법론을 연구함.
o 또한 시간, 공간, 주파수에 따른 전파 및 통신 환경의 일관성(Consistency)/상관성(Correlation)을 정밀 모사한 실측채널 연동 3차원 Ray-tracing 시뮬레이터를 개발하고, 제안된

□ 연구개요
o 본 과제는 차세대 통신 시스템의 자율성, 적응성, 확장성 보장을 위한 On-device AI 무선자원관리 원천기술에 관한 연구. 특히 이를 위한 물리/다중엑세스 계층 핵심 원천기술을 개발하고, 통신망 제약 조건(한계 전송 용량, 컴퓨팅 용량, 저장 용량 등)을 고려한 분산 환경 학습 방법론을 연구함.
o 또한 시간, 공간, 주파수에 따른 전파 및 통신 환경의 일관성(Consistency)/상관성(Correlation)을 정밀 모사한 실측채널 연동 3차원 Ray-tracing 시뮬레이터를 개발하고, 제안된 On-device AI 원천기술에 대한 학습 실효성 및 시스템 레벨 성능 검증을 수행함.

□ 연구 목표대비 연구결과
o 연차별로 연구 목표를 달성하는 연구 결과를 당성하였음. 구체적인 연차별 목표 및 수행연구 내용은 다음과 같음.
o 1차년도: 고속 이동체 지원을 위한 On-device AI 극다중 빔성형/빔트래킹 원천기술 연구
▶ 고속 이동체 단말을 위한 강화학습 기반 Online 빔트래킹/빔패턴 최적화 연구, 송수신 빔 반복 최적화 (Iterative Beam Alignment) 연구
▶ UAV(Unmanned Aerial Vehicle) 기지국 고정 위치 최적화 및 군집 학습법 연구, UAV 기지국 이동 궤적 최적화 및 기계학습 적용법 연구
▶ 이동형 통신 객체의 위치, 방향 정보 및 다양한 센서 정보를 활용한 환경 적응적 기계 학습 연구 (Context-aware Learning)
o 2차년도: 초연결 지원을 위한 On-device AI 분산 자원관리 원천기술 연구
▶ Online 학습 기반 적응적 랜덤 엑세스 기법, Bayesian 확률 추정에 기반한 동시 접속 사용자 수, 충돌 확률 예측 연구
▶ 초연결성 보장을 위한 Scale-Free 자율형 On-device AI 자원 할당 및 관리 기법
▶ 제한된 정보를 활용한 분산 환경 Multi-Agent AI 협력 유도 연구
o 3차년도: On-device AI를 위한 분산 학습 (Distributed Learning), 연합 학습 (Federated Learning) 원천 방법론 연구 / 성능검증 시뮬레이터 초도 개발
▶ 통신망 제약 조건을 고려한 분산 학습 연구
▶ Evolutionary Computation 기반 저복잡도 고속 최적화 알고리즘 개발
▶ 3GPP 표준을 반영한 Cluster 기반 3D Ray-tracing 시뮬레이터 초도 개발, 1단계(1,2차년도)에서 제안된 원천기술 성능 검증 및 고도화 수행
o 4차년도: On-device AI를 위한 및 고속 학습, 진화연산 기반 최적화 기술 연구 / 성능검증 시뮬레이터 고도 개발
▶ Large-scale Network 고속 최적화 기술 연구, 복수개의 RIS를 포함한 빔포밍 연구
▶ On-device AI의 효율적인 학습을 위한 분산 학습 방법론과 데이터 수집 방안 연구, 6G 무선망에서의 효율적인 기계학습 구현을 위한 학습 모델 공유 및 전달 방법 연구
▶ End-to-End 성능 보장을 위한 분산 환경 Mobile Edge Computing 연구
▶ 3GPP 표준 방법론에 입각한 Cluster 기반 3D Ray-tracing 시뮬레이터 초도 개발, 1단계(1,2차년도)에서 제안된 원천기술 성능 검증 및 고도화 수행

□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
o 본 과제에서 수행하고자 하는 연구는 기존 유선망에서 연구된 클라우드 컴퓨팅, 무선망에서 연구된 무선자원관리 기법을 차세대 통신망에서 통합 구축하는 작업임. 이를 위한 물리/다중엑세스 계층 자원관리 핵심 원천기술을 On-device AI로 구현하였음.
o 본 과제 수행 연구결과를 바탕으로 『진화연산을 기반으로 강화학습 등의 최신 기계학습 기술들과의 상호보완적 결합』을 통하여 6G Non-Terrestrial Network (NTN) 및 차세대 물류/교통 최적화를 위한 후속 과제를 발굴하여 지원하였음.
o 본 과제 수행의 결과로 확립된 협력체계를 강화하고 체계적인 중장기 국제공동연구 시스템을 구축하고자 함. South China University of Technology, Zhejiang Normal University의 전임교수진과 한양대학교의 Jun Zhang (전임교수), Xiao-Min Hu (Brain Pool 초빙교수)와 긴밀히 협력할 예정임.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 4
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 5
• 1) 정성적 연구개발성과(연구개발결과) ... 5
• 2) 세부 정량적 연구개발성과 ... 10
• 3) 목표 달성 수준 ... 10
• 4) 목표 미달 시 원인 분석 ... 11
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 12
• 5. 연구개발성과의 관리 및 활용 계획 ... 12
• 6. 자체점검표 ... 14
• 7. 참고문헌 ... 14
• 끝페이지 ... 31