5G/B5G 네트워크 혁신: 네트워크 디지털 트윈을 활용한 지능형 경로 최적화

본 연구는 5G/B5G 네트워크의 효율적인 경로 최적화를 위해 Graph Neural Network(GNN) 기반의 네트워크 디지털 트윈(NDT) 플랫폼을 제시합니다. 실험 결과, 다양한 네트워크 토폴로지에서 높은 정확도로 지연 시간을 예측하여 솔루션의 효과를 입증했습니다.

초저지연부터 고대역폭까지 다양한 서비스 요구사항을 처리해야 하는 5G/B5G 네트워크는 서비스 품질(QoS)을 보장하기 위해 동적 모니터링과 고급 솔루션이 절실히 필요합니다. 특히 무선 접속 네트워크와 코어 네트워크를 상호 연결하는 역할을 하는 전송 네트워크는 갈수록 복잡해지는 트래픽 패턴을 효율적으로 관리하는 데 어려움을 겪고 있습니다.

이러한 문제에 대한 해결책으로 등장한 것이 바로 네트워크 디지털 트윈(NDT) 입니다. Rebecca Aben-Athar를 비롯한 12명의 연구진은 NDT를 활용하여 실제 네트워크 배포 전에 가상 환경에서 설정과 알고리즘을 테스트하고, '만약 이렇게 한다면?'(What-if analysis) 분석을 통해 지능적인 의사결정을 지원하는 혁신적인 플랫폼을 개발했습니다. 이 플랫폼은 5G/B5G 시나리오에서 동적 경로 최적화 문제를 해결하는 데 중점을 두고 있습니다.

연구진이 개발한 NDT는 Graph Neural Network(GNN) 을 기반으로 하며, 8, 16, 30 노드로 구성된 세 가지 서로 다른 네트워크 토폴로지에서 평가되었습니다. 평가 결과, URLLC 및 eMBB 슬라이스에 대해 낮은 MAPE(Mean Absolute Percentage Error) 값을 달성하여, 솔루션 구현 후 예측된 지연 시간과 실제 지연 시간 사이의 높은 정확성을 보여주었습니다. 이는 특정 솔루션이 구현될 경우 네트워크 성능에 대한 정확한 통찰력을 제공하는 솔루션의 효과를 입증하는 결과입니다.

이 연구는 5G/B5G 네트워크의 효율적인 관리 및 최적화에 NDT가 중요한 역할을 할 수 있음을 보여주는 중요한 사례입니다. 실제 네트워크에 대한 영향을 미치기 전에 가상 환경에서 다양한 시나리오를 시뮬레이션하고 분석할 수 있다는 점은 매우 큰 장점이며, 앞으로 네트워크 관리 및 설계 분야에 혁신적인 변화를 가져올 것으로 기대됩니다. 향후 연구에서는 더욱 다양하고 복잡한 네트워크 환경에서 NDT의 성능 및 적용 가능성을 검증하는 연구가 필요할 것입니다.