6G 기술 개요 및 심층 분석 #2/3

11. 6G 기술 (6G Technologies)

• 개요: 6G는 광범위한 기술을 포괄하며, 새로운 기술과 5G 기술의 발전을 통합.
• 핵심 기술 분야 (4가지 Pillar):

1. New Spectrum Technologies (새로운 스펙트럼 기술): Sub-terahertz 및 terahertz 대역 활용, 새로운 파형 (OTFS, SCMA), ultra-massive MIMO, 재구성 가능한 지능형 표면 (RIS), 전이중 (Full Duplex) 전송.
2. AI & ML Networks (AI & ML 네트워크): 네트워크 가상화 및 자동화, spectrum management, security, RAN planning, network automation 등, 네트워크 성능 향상.
3. Digital Twins (디지털 트윈): 현실 세계의 가상 복제, AI/ML 기반 시뮬레이션, 비용 절감, 성능 최적화, 다양한 분야에 적용 (gaming, entertainment, education).
4. New Network Architectures (새로운 네트워크 아키텍처): Open, scalable, and virtual networks. non-terrestrial networks (위성 통신, 드론 통신), private networks (사설망), time sensitive networks

 

12. 새로운 스펙트럼 기술 (New spectrum technologies)

• 개요: sub-terahertz (100-300 GHz), terahertz (up to 1 THz)를 사용하여 초고속 통신 지원.
• 기술: MIMO, 재구성 가능한 지능형 표면 (RIS), 전이중 (Full Duplex) 전송.
• Ultra-massive MIMO: 다중 송수신 안테나 (수천 개)를 사용하여 데이터 속도 및 커버리지 향상 (sub-6 GHz에서 사용).

 

13. 재구성 가능한 지능형 표면 (Reconfigurable intelligent surfaces)

• 개요: mmWave 및 sub-terahertz 신호의 전파 손실 및 블로킹 문제를 해결하기 위한 기술.
• 원리: 표면의 passive elements의 위상 변화를 실시간으로 제어 (수동 소자, 제어 가능).
• 장점:
• RIS 종류: PIN diode RIS, liquid crystal RIS, transparent RIS.

 

14. 새로운 주파수 대역 (New frequency bands)

• 개요: 6G는 새로운 주파수 대역 (sub-terahertz 대역, 7-24 GHz 대역)을 활용하여 데이터 처리량 증가 및 커버리지 확장.
• 목표: 지속적으로 증가하는 데이터 수요 충족.
• 기술: mmWave, sub-terahertz 기술, massive MIMO.
• 과제: 
  

-      전파 손실 (free space path loss) 감소를 위한 기술 (안테나 배열 등)

-      소형 안테나 개발

Attenuation of signals as frequency increases / wavelength decreases

(Source: Wireless Communications and Applications Above 100 GHz: Opportunities and Challenges for 6G and Beyond)

 

15. Full Duplex (전이중)

• 개요: 동일한 주파수 대역에서 송신 (Tx)과 수신 (Rx)을 동시에 수행하는 기술.
• 기존 방식:

-      FDD (Frequency Division Duplex): 송신과 수신에 서로 다른 주파수 대역 사용.

-      TDD (Time Division Duplex): 송신과 수신에 동일한 주파수 대역을 시간 분할하여 사용.

• Full Duplex의 장점:

-      채널 용량 (channel capacity) 두 배 증가.

-      주파수 자원 효율성 향상.

• 기술:

-      In-band Full Duplex (IBFD): 동일 주파수 대역에서 송수신.

-      Self-Interference Cancellation (SIC): 송신 신호가 수신 신호에 미치는 간섭을 제거하는 기술.

• SIC 기술:

-      Analog SIC: RF 도메인에서 간섭 제거.

-      Digital SIC: 기저대역 (baseband)에서 간섭 제거.

-      Antenna SIC: 안테나 자체에서 간섭 제거.

• 과제:

-      Self-interference (자기 간섭) 제거: 송신 신호가 수신 신호에 미치는 간섭을 효과적으로 제거해야 함.

-      채널 환경 (channel environment)의 영향: 다중 경로 페이딩 (multipath fading), 도플러 효과 (Doppler effect) 등.

-      복잡성 및 비용 증가.

 

• 6G에서의 활용:

-      IBFD 기술을 통해 주파수 효율성을 극대화.

-      Sub-band full duplex (SFFD) 기술 개발 (3GPP Release 18에서 연구 진행).

• 추가 정보: Full Duplex 기술은 6G의 핵심 기술 중 하나이며, 주파수 자원 효율성을 극대화하여 데이터 전송 속도를 향상시킬 수 있습니다.

Antenna array size versus frequency

(Source: KEYSIGHT Next-Generation Wireless)

 

16. New Waveforms (새로운 파형)

• 개요: 6G에서 OFDM (Orthogonal Frequency Division Multiplexing)을 대체할 새로운 파형 연구.
• OFDM의 한계:

-      RF 증폭기 (RF amplifier)의 선형성 (linearity) 요구 사항이 높음.

-      높은 주파수 대역 (50 GHz 이상)에서 구현 어려움.

• 새로운 파형의 필요성:

-      높은 주파수 대역에서의 효율적인 데이터 전송.

-      Joint communications and sensing (JCAS) 지원.

-      AI/ML 기반의 유연한 파형 설계.

• 후보 파형:

-      OTFS (Orthogonal Time Frequency Space): 시간-주파수 영역에서 신호를 표현하여 도플러 효과에 강함.

-      SCMA (Scrambled Code Multiple Access): 코드 기반 다중 접속 기술, 스펙트럼 효율성 향상.

-      AI/ML 기반 파형: AI/ML을 활용하여 데이터 전송 효율을 극대화하는 파형.

• 기술적 과제:

-      새로운 파형의 구현 및 성능 검증.

-      기존 OFDM 기반 시스템과의 호환성.

-      칩셋 (chipset) 및 장비 개발.

• 추가 정보: 새로운 파형은 6G의 핵심 기술 중 하나이며, OFDM의 한계를 극복하고, 더 높은 데이터 전송 속도, 효율성, 유연성을 제공할 수 있을 것으로 기대됩니다. AI/ML 기술을 활용하여 더욱 혁신적인 파형 개발이 이루어질 것으로 예상됩니다.

 

17. Artificial Intelligence and Machine Learning Networks
(인공지능 및 머신러닝 네트워크)

• 개요: 6G 네트워크에서 AI (Artificial Intelligence) 및 ML (Machine Learning) 기술의 광범위한 활용. AI/ML은 6G의 핵심 기술로, 네트워크 설계, 운영, 최적화, 보안 등 모든 측면에 적용될 예정.
• 5G에서의 AI/ML 활용: O-RAN Alliance의 RIC (RAN Intelligent Controller)을 통해 xApps 및 rApps에서 AI/ML 활용.
• 6G에서의 AI/ML 활용:

-      네트워크 설계 및 최적화:

1)    RF front-end, antenna 시스템 최적화.

2)    채널 추정, 디코딩 등 PHY (Physical Layer) 처리 블록 대체.

3)    네트워크 에너지 절감 (energy savings): 트래픽 오프로딩, 셀 비활성화, 전력 소비 최적화.

4)    Load balancing: 다중 셀, 주파수, RAT (Radio Access Technology) 간의 부하 분산.

5)    Mobility optimization: 사용자 장비 (UE) 이동성 예측, 네트워크 성능 유지.

-      자동화: 네트워크 자동 구성, 자율 운영, 장애 예측 및 복구.

-      보안: 사이버 공격 탐지 및 방어, 보안 위협 예측.

-      새로운 파형 설계: AI/ML 기반의 유연한 파형 개발.

• 기술적 과제:

-      AI/ML 모델의 학습 데이터 확보 및 관리.

-      AI/ML 모델의 복잡성 및 연산량 증가.

-      AI/ML 모델의 설명 가능성 (Explainability) 확보.

-      AI/ML 모델의 보안 취약점 (Adversarial attacks) 방어.

추가 정보: AI/ML은 6G 네트워크의 성능, 효율성, 보안을 향상시키는 핵심 기술이며, 6G의 자율적인 운영을 가능하게 할 것입니다.

 

Proposed migration to ML-based PHY for 6G

(Source: “Toward a 6G AI Native Air Interface,” IEEE Communications Magazine, May 2021)

 

18. Al Driving Network Optimization at Multiple Levels
(다중 레벨에서 AI 기반 네트워크 최적화)

• 개요: AI를 활용하여 네트워크 성능을 다양한 수준에서 최적화.
  
  
• 최적화 대상:

-      Latency (지연 시간):

1)   Cell-wide (셀 단위): 밀리초 (milliseconds) 수준.

2)   City-wide (도시 단위): 수 초 (seconds) 수준.

3)   Nation-wide (국가 단위): 분 (minutes) 단위.

-      Capacity (용량) 및 Power (전력) 사용량: 네트워크 자원 효율성 향상.

• 기술:

-      Machine learning 기반의 에너지 절감 기술 (전력 소비 최적화).

-      AI 기반의 트래픽 관리 및 자원 할당.

-      AI 기반의 네트워크 슬라이싱 (Network slicing).

• 응용 분야:

-      자율 주행, 원격 의료, 스마트 팩토리 등 초저지연 서비스 지원.

-      에너지 효율적인 네트워크 운영.

-      네트워크 자원 활용도 극대화.

 

 

19. Digital Twins (디지털 트윈)

• 개요: 현실 세계의 시스템을 가상으로 복제한 모델 (Digital Twin)을 생성하고 활용하는 기술.
  
  
• 기술:

-      현실 세계의 시스템에서 데이터를 수집 (센서, 계측기).

-      수집된 데이터를 기반으로 가상 모델을 구축 (시뮬레이션, 모델링).

-      가상 모델과 현실 세계의 시스템 간의 실시간 데이터 연동 (데이터 feedback loop).

-      AI/ML 기반의 데이터 분석 및 모델링.

• 장점:

-      비용 절감: 프로토타입 제작 불필요, 가상 환경에서 테스트 및 시뮬레이션 수행.

-      위험 감소: 소프트웨어 업데이트 오류 방지, 다양한 시나리오 시뮬레이션.

-      성능 예측: 다양한 환경 및 조건에서 시스템 성능 예측.

-      의사 결정 지원: 실시간 데이터 기반의 의사 결정.

• 6G에서의 활용:

-      6G 시스템 설계 및 최적화.

-      다양한 서비스 및 응용 분야 (스마트 팩토리, 스마트 도시, 자율 주행 등).

 

Digital modeling increases system performance confidence

(Source: Dr. Ray Kolonay, Air Force Research Laboratory)

 

20. Circuit Digital Twins (회로 디지털 트윈)

• 개요: RF 회로 (Radio Frequency circuit)의 가상 모델 (digital twin).
  
  
• 기술:

-      고주파 (mmWave, terahertz) 회로의 복잡성 및 비용 문제를 해결.

-      회로의 응답 특성을 파악하고, 이를 디지털 표현에 반영.

-      AI/ML 기반의 회로 모델링 및 시뮬레이션.

• 응용:

-      회로 설계, 성능 분석, 최적화.

-      고주파 부품 (RF front-end, 안테나) 설계.

-      빠른 반복 설계 (rapid iteration in software models).

• 장점:

-      설계 시간 단축.

-      비용 절감.

-      성능 예측 정확도 향상.

 

A digital twin development workflow

(Source: KEYSIGHT Next-Generation Wireless)

 

21. Network Digital Twins (네트워크 디지털 트윈)

• 개요: 6G 네트워크의 가상 모델 (digital twin).
• 기술:

-      5G 네트워크의 disaggregation, software-centric RAN 환경에서 활용.

-      현실 세계의 RAN 측정을 상위 계층의 어플리케이션에 연결.

-      AI/ML 기반의 네트워크 모델링 및 시뮬레이션.

• 응용:

-      네트워크 설계 및 최적화.

-      새로운 기능 테스트 및 검증 (소프트웨어 환경).

-      커버리지 모델링, drive testing, site acceptance testing.

-      사이버 공격 시뮬레이션 및 방어.

• 장점:

-      네트워크 성능 예측 및 최적화.

-      새로운 기능의 안전한 테스트 및 배포.

-      사이버 보안 위협에 대한 사전 대응.

 

A reference 6G digital twin network architecture

(Source: KEYSIGHT Next-Generation Wireless)

 

<6G 기술 개요 및 심층 분석 #3/3 에서 계속>