출처: K. Dev, S. A. Khowaja, E. Zeydan, K. Singh and M. Debbah, "Advanced Architectures Integrated With Agentic AI for Next-Generation Wireless Networks," in IEEE Communications Standards Magazine
논문 링크:
Advanced Architectures Integrated With Agentic AI for Next-Generation Wireless Networks
This paper investigates a range of cutting-edge technologies and architectural innovations aimed at simplifying network operations, reducing operational expenditure (OpEx), and enabling the deployment of new service models. The focus is on: 1) proposing no
ieeexplore.ieee.org
요약
이 논문은 네트워크 운영비용을 줄이는 최신 기술적 접근들을 소개한다. 차세대 6G 네트워크와 Agentic AI와의 결합을 통한 혁신적인 아키텍처에 대해서 다루고 있다. 1) 제어와 사용자 평면을 모두 고려한 효율적인 6G 아키텍처를 제안하고 2) 제약이 있는 상황에서 사용되는 효율적인 AI 기술에 대해서 다룬다. 3) 백엔드 서비스의 조율을 다루는 기술들에 대해서 소개하고 4) 마지막으로 광학 기반의 초고석, 저지연 네트워크에 대해서 소개한다. 이는 전력 소비를 기존 대비 10배 이상 절감한다.
기여
- 새로운 6G 네트워크 아키텍처 제안: 사용자와 제어 평면의 분리, 기존 SBA(Service-Based Architecture)의 한계 극복, Agentic AI를 통한 네트워크 도메인 통합, 유연하고 확장 가능한 서비스
- 제약된 Agentic AI 기술: 에너지 효율적, 실시간 학습 최적화, 보안적이고 적응적인 AI 기반 네트워크 관리
- 혁신적 기술 탐구: 실시간 서버리스 컴퓨팅을 통한 동적 기능 오케스트레이션, 자율적 인지 에이전트를 활용한 분산 네트워크 운영, 목표 지향적 통신 프로토콜, RAN(Radio Access Network)의 클라우드화
Fig. 1은 6G 설계의 목표가 네트워크 아키텍처의 단순화임을 보여준다. AI Agent를 활용해 서비스 운영을 더욱 효율적으로 수행한다. 또 user/control 평면을 분리하여 새로운 네트워크 도메인과도 매끄럽게 통합이 가능하다. 5G에서 6G로 진화하는 과정에서 네트워크 단순화와 AI 기반 자율성 확보가 핵심이다.
데이터 전달을 담당하는 user plane과 세션 관리 기능을 담당하는 control plane, 스마트폰 라우터와 같은 기기들이 있는 devices로 그림이 구성되어 있다. Agentic AI는 제어 평면과 연결되어 네트워크 관리 및 통합을 지원한다. SBA는 기존의 5G 구조를 나타내고 Hexa-X는 6G 연구 프레임워크를 나타낸다.
Agentic AI는 에너지 효율성과 보안 제약 하에서 네트워크 운영에 사용될 수 있다. 왼쪽 영역에서 상호작용하지 않는 자율적인 에이전트들은 모니터링, 최적화, 데이터 수집 및 분석 과정을 거친다. 오른쪽의 파란색 보안 영역 역시 상호작용하지 않는자율 에이전트들이 모니터링, 암호화 및 검증, 데이터 프라이버시 점검등을 수행한다. 중앙 영역에는 상호작용하는 자율 에이전트들의 영역이며 이들은 Proxy와 Centralized Critic을 통해 연결도어 있다. 에이전트간 local information, gradients, messages의 교환이 표시되어 에이전트들간의 협력적 학습이 표현되어 있다. 이러한 세 영역은 가장 상단의 에너지 효율, 상호작용, 보안중심 모델을 섞는 개념인 Model Bledning and Deployment와 연결되어 있다.
상단의 지원 및 컴퓨팅 계층은 AI 지원 데이터 베이스, 데이터 아카이빙 및 검색, 적응형 확장 컴퓨팅 서비스를 포함한다. FaaS는 오케스트레이션이 중심에 위치하며 Agentic AI와 결합한다. 주요 기능으론 동적 자원 할당, 시작 지연 최소화, 실시간 모니터링 및 성능 관리, ai 기반 보안 위협 대응이 있다. 그 밑의 계층으론 ai gent들이 실시간 데이터 처리를 담당하는 분산 처리 계층이 존재하고 가장 하단에는 사용자/IoT 계층이 존재한다. 가장 하단의 계층에선 기기들이 로컬 추론을 수행하여 빠른 응답과 저지연 서비스를 제공한다.
자율적으로 인지하는 에이전트들은 네트워크 내에서 독립적으로 의사 결정을 내리고 환경 변화에 따라 스스로 적응하는 모듈이다. 중앙 집중식 제어 대신 분산 의사결정을 통해 네트워크의 복잡성을 줄이고 유연성과 회복력을 높인다. 분산된 작은 AI들이 협력하여 네트워크를 더 빠르고 안정적으로 운영하는 구조를 나타낸다.
입력 레이어에서 발생하는 지연, 이동성, 스펙트럼 감지, 간섭같은 네트워크 맥락 요소들이 Agentic AI에게 전달된다. 중앙의 에이전트는 네트워크의 실시간 상황을 입력받으며 다중 에이전트 협력을 통해 결과를 피드백하며 더 나은 결정을 내린다. 보안 통신을 통해 데이터가 처리되는 과정에서 보안 또한 강화된다. 최종적으로 출력 레이어에서는 AI 최적화 프로토콜 스택이 생성되며 이는 기존의 물리, MAC, 네트워크 계층을 포함한다.
이 표는 차량-사물 통신(V2X) 시스템에서 Agentic AI를 적용했을 때의 성능을 비교해준다. 데이터 전달 성공률, 신호 품질, 재전송률, 적응력, 지연시간 면에서 더 좋은 품질을 갖는 것을 확인할 수 있다.
주목할만한 6G Agentic AI 통신 구조:
1. decoupling of the user and control planes through autonomous AI agents
2. Agenting AI-based constrained optimization techniques
3. Real-time serverless computing with Agentic AI