WiFi 7의 혁신과 도전: 인공지능 기반 채널 할당 알고리즘의 등장

본 논문은 WiFi 7의 다중 링크 운영(MLO)에서 발생하는 동적 채널 할당 문제를 해결하기 위해, 다중 무장 밴딧(MAB)과 몬테카를로 트리 탐색(MCTS)을 결합한 BAI-MCTS 알고리즘과, 여기에 LLM을 통합한 LLM-BAI-MCTS 알고리즘을 제안합니다. 실험 결과, 제안된 알고리즘은 기존 알고리즘보다 훨씬 빠른 수렴 속도를 보이며, 특히 밀집 네트워크 환경에서 그 효과가 더욱 두드러집니다.

전 세계를 연결하는 WiFi 네트워크는 놀라운 발전을 거듭해 왔습니다. 최신 기술인 IEEE 802.11be (WiFi 7)은 다중 링크 운영(MLO)이라는 획기적인 기능을 도입하여 여러 대역과 채널에서 동시에 연결을 수립할 수 있게 되었습니다. 이는 네트워크 처리량 향상과 지연 시간 단축을 약속하지만, 특히 네트워크가 밀집된 환경에서는 채널 할당 문제라는 새로운 도전 과제를 안겨줍니다.

기존 연구는 주로 정적인 WiFi 7 네트워크 환경에서의 성능 분석과 처리량 최적화에 초점을 맞춰 왔습니다. 하지만 Lian, Tong, Zhang, 그리고 Fu가 저술한 논문 "Intelligent Channel Allocation for IEEE 802.11be Multi-Link Operation: When MAB Meets LLM"은 이러한 한계를 극복하고자 동적인 채널 할당 문제에 집중합니다.

연구팀은 이 문제를 조합 최적화 문제로 공식화하고, 혁신적인 네트워크 성능 분석 메커니즘을 활용했습니다. 특히, 사전 네트워크 정보 부족 문제를 해결하기 위해 다중 무장 밴딧(MAB) 프레임워크를 도입하여 최적의 채널 할당을 온라인으로 학습하는 시스템을 구축했습니다.

그 결과, BAI-MCTS (Best-Arm Identification-enabled Monte Carlo Tree Search) 알고리즘을 개발하여, 표본 복잡도와 오류 확률에 대한 상한선을 제시하는 엄격한 이론적 분석을 제공했습니다. 더 나아가, 다양한 네트워크 시나리오에 대한 일반화 능력을 향상시키기 위해 LLM(대규모 언어 모델) 을 BAI-MCTS 알고리즘에 통합한 LLM-BAI-MCTS 알고리즘을 제안했습니다.

실험 결과는 BAI-MCTS 알고리즘이 최적 값의 98%에 도달하는 속도가 기존 최첨단 알고리즘보다 약 50.44% 더 빠르다는 것을 보여줍니다. 특히, LLM-BAI-MCTS 알고리즘은 밀집 네트워크 환경에서 기존 알고리즘보다 63.32% 이상 빠른 수렴 속도를 기록했습니다. 이는 LLM을 활용하여 복잡한 네트워크 환경에서의 채널 할당 문제를 효과적으로 해결할 수 있음을 시사합니다.

이 연구는 WiFi 7의 MLO 기능을 최대한 활용하여 네트워크 성능을 극대화하는 데 중요한 발걸음이 될 것입니다. 인공지능과 통신 기술의 융합을 통해 더욱 효율적이고 안정적인 차세대 WiFi 네트워크 구축의 가능성을 제시하고 있습니다.