반도체 전문 온라인 매거진 - 올포칩

미래의 6G 무선 통신 표준을 위한 기술 구성요소 연구가 본격화되면서 6G용 AI-네이티브 무선 인터페이스에 대한 가능성 또한 모색되고 있다. 로데슈바르즈(Rohde & Schwarz)는 엔비디아(NVIDIA)와 협력하여 미래의 6G 기술을 위해 시뮬레이션에서 AI/ML(Artificial Intelligence/Machine Learning) 구현으로 한 걸음 더 나아가고 있다. 두 회사는 바르셀로나에서 개최되는 MWC에서 업계 최초로 뉴럴 수신기(Neural Receiver)에 대한 HIL(Hardware-In-the-Loop) 데모를 공개하고, 기존의 신호 프로세싱 방식과 비교해 트레이닝된 ML 모델을 통해 달성 가능한 향상된 성능을 선보일 예정이다.

올해의 MWC(Mobile World Congress) 방문객들은 6G 물리계층의 청사진이 될 수 있는 5G NR 업링크 MU-MIMO(Multi-User Multiple Input Multiple Output) 시나리오에서 어떻게 뉴럴 수신기(Neural Receiver) 접근방식이 수행되는지 확인할 수 있는 최초의 데모를 볼 수 있다. 이 셋업은 로데슈바르즈(Rohde & Schwarz)의 신호 생성 및 분석을 위한 하이-엔드 테스트 솔루션과 링크 레벨 시뮬레이션을 위한 엔비디아(NVIDIA)의 시오나(Sionna) GPU 가속 오픈소스 라이브러리로 구성된다.

뉴럴 수신기는 무선 통신 시스템의 물리계층에 대한 신호 프로세싱 블록을 트레이닝된 머신러닝 모델로 대체하는 개념 중 하나다. 전 세계 주요 연구기관과 학계 및 업계 전문가들은 향후 6G 표준이 채널 예측(Channel Estimation), 채널 이퀄라이제이션(Channel Equalization), 디매핑(Demapping)과 같은 신호 프로세싱 작업에 AI/ML을 활용할 것으로 예상하고 있다. 오늘날의 시뮬레이션은 뉴럴 수신기가 현재 5G NR에 사용된 고성능 결정론적 소프트웨어 알고리즘에 비해 링크 품질을 높이고, 처리량에 영향을 미칠 것임을 시사하고 있다.

머신러닝을 트레이닝하기 위해서는 데이터 세트가 절대적으로 필요하다. 하지만 필요한 데이터 세트에 대한 액세스가 제한되거나 사용할 수 없는 경우도 많다. 현재의 초기 6G 연구 단계에서 신호 프로세싱 작업을 위한 머신러닝 모델을 트레이닝하기 위해서는 서로 다른 신호 구성을 가진 다양한 데이터 세트를 생성해야만 테스트 및 측정 장비가 실행 가능한 대안을 제공할 수 있다.

로데슈바르즈 부스에서 선보이는 AI/ML 기반 뉴럴 수신기 셋업에서 R&S SMW200A 벡터 신호 발생기는 MIMO 2x2 신호 구성으로 80MHz 폭 신호를 업링크 방향으로 전송하는 두 명의 개별 사용자를 에뮬레이션한다. 각 사용자는 독립적으로 페이딩되고, 실제 무선 채널 조건을 시뮬레이션하기 위해 노이즈가 적용된다. 수신기 역할을 수행하는 R&S MSR4 다기능 위성 수신기는 4개의 위상 동기식(Phase-Coherent) 수신 채널을 사용하여 3GHz의 반송파 주파수에서 전송된 신호를 캡처한다. 그런 다음, 이 데이터는 실시간 스트리밍 인터페이스를 통해 서버로 전송된다. 여기에서 이 신호는 R&S VSE(Vector Signal Explorer) 마이크로 서비스를 비롯한 R&S SBT(Server-Based Testing) 프레임워크를 이용해 사전 프로세싱된다. VSE 신호 분석 소프트웨어는 신호를 동기화하고, FFT(Fast Fourier Transforms)를 수행한다. FFT가 처리된 데이터 세트는 엔비디아 시오나를 이용해 구현된 뉴럴 수신기의 입력이 된다.

엔비디아의 시오나는 링크 레벨 시뮬레이션을 위한 GPU 가속 오픈소스 라이브러리이다. 이는 복잡한 통신 시스템 아키텍처에 대한 신속한 프로토타이핑을 지원하고, 6G 신호 프로세싱을 위한 통합 머신러닝을 기본적으로 지원한다.

이 데모에서는 결정론적 소프트웨어 알고리즘에 기반한 기존의 신호 프로세싱 기법이 적용된 전통적인 개념의 LMMSE(Linear Minimum Mean Squared Error) 수신기 아키텍처와 비교하여 트레이닝된 뉴럴 수신기의 성능을 확인할 수 있다. 이러한 고성능 알고리즘은 현재의 4G 및 5G 셀룰러 네트워크에 이미 널리 적용되어 있다.