[CBC뉴스] 엔비디아가 차세대 이동통신 기술인 6G 개발을 지원하는 오픈소스 소프트웨어 생태계를 확대하고 있다. 로봇의 작업 처리시간을 단축하고 무선 신호 수신 성능을 높이는 한편, 통신망의 전력 소비를 줄이는 연구 성과가 잇따라 공개됐다. 인공지능(AI)을 통신망 운영에 접목하려는 움직임이 본격화하면서 반도체와 통신 인프라의 기술적 결합도 주목받고 있다.

엔비디아는 지난 6일 공식 블로그를 통해 자사의 무선통신 연구 플랫폼을 활용한 세계 주요 연구기관들의 기술 개발 사례를 소개했다.

이번 발표에서 눈길을 끄는 부분은 연구 플랫폼의 확산 속도다. 엔비디아에 따르면 지난 1년 동안 AI 에어리얼(AI Aerial)과 시오나(Sionna)의 전 세계 개발자 채택 규모는 10배 증가했다. 5G와 6G 관련 오픈소스 도구의 누적 다운로드는 100만 건을 넘어섰으며, 해당 플랫폼을 활용하는 연구·학술기관도 세계적으로 8000곳 이상에 이른다.

엔비디아는 약 1년 전 에어리얼 무선 소프트웨어를 오픈소스로 공개했다. 기존 시오나와 함께 연구자들이 무선통신 알고리즘을 시험하고 결과를 비교할 수 있도록 개발 환경을 확장한 것이다.

이러한 기술 개발은 통신 속도를 높이는 데만 초점을 맞추지 않는다. 앞으로 등장할 자율주행 시스템과 산업용 로봇, AI 기반 장치들이 주변 환경의 변화에 신속하게 대응할 수 있도록 통신과 연산 기능을 통합하는 방향으로 진행되고 있다.

영국 킹스칼리지런던의 연구 사례는 이러한 변화의 가능성을 보여준다.

연구진은 카메라가 장착된 로봇 팔과 엔비디아 젯슨 AGX 오린(Jetson AGX Orin)을 연결해 무선통신과 엣지 AI 기술을 결합한 실험 환경을 구축했다.

핵심은 로봇이 전송하는 정보의 양을 줄이면서도 필요한 판단을 수행하도록 하는 데 있다.

기존 방식에서는 로봇이 촬영한 영상이나 이미지를 일정한 간격으로 전송해 외부 시스템의 분석을 받는다. 반면 연구진이 적용한 목표 지향 의미 통신 방식은 물체의 위치와 특징, 주변 대상과의 관계 등 작업 수행에 필요한 정보를 선별적으로 전달한다.

과일 포장과 블록 쌓기 작업을 대상으로 진행한 실험에서는 기존의 주기적 이미지 전송 방식보다 작업 완료 시간이 최대 52.6% 단축됐다.

연구진은 작업 성공률도 개선됐다고 보고했다. 특히 물체를 떨어뜨리거나 작업 과정에서 오류가 발생하는 상황에서도 시스템이 이를 인식하고 대응하는 능력을 확인했다.

디지털 트윈을 적용한 실험에서는 로봇이 실제 움직임을 수행하기 전에 예상 경로의 충돌 가능성을 점검하는 기능도 시험했다.

다만 이러한 성과는 특정 실험 조건에서 측정된 결과로, 모든 로봇이나 무선통신 환경에서 동일한 개선 효과가 나타난다는 의미는 아니다.

무선 신호를 받아들이는 수신 기술에서도 AI 활용 가능성이 확인됐다.

일본 소프트뱅크는 엔비디아의 에어리얼 CUDA 가속 무선접속망 기술에 신경망 기반 수신기를 통합하고 상용 5G 스마트폰을 이용한 시험을 진행했다.

무선통신 환경에서는 여러 신호가 겹치거나 간섭이 발생하면 데이터 전송 오류가 늘어날 수 있다. 이러한 상황에서는 재전송이 필요해지고 통신 효율이 떨어질 수 있다.

소프트뱅크는 AI가 수신 신호의 특성을 학습하도록 하는 방식으로 이 문제에 접근했다.

간섭을 포함한 통제된 시험 환경에서 신경망 수신기는 15개 시험 조건 모두에서 기존 수신기보다 높은 상향링크 처리량을 기록했다. 가장 큰 개선 폭은 약 60%에 달했다.

스위스 취리히연방공과대학교(ETH 취리히)에서도 관련 연구가 진행됐다.

연구진은 엔비디아 에어리얼 테스트베드를 활용해 실제 무선 환경에서 수집한 측정값으로 신경망 수신기를 조정했다. 그 결과 일부 사전 학습 모델과 비교해 블록 오류율이 3분의 1 이상 감소한 것으로 나타났다.

두 연구는 AI가 통신 데이터를 처리하는 과정에서 신호 복원 능력을 높일 수 있다는 가능성을 보여준다.

이러한 기술은 향후 재난 대응이나 산업 현장처럼 안정적인 데이터 전송이 중요한 환경에서 활용 가능성이 검토될 수 있다.

통신망의 에너지 효율을 높이는 연구도 주목된다.

영국 리즈대학교 연구진은 통신 수요를 사전에 예측해 기지국의 전력 사용을 조절하는 시스템을 개발했다.

이 시스템은 향후 10분 동안 예상되는 네트워크 수요를 분석하고, 통신 서비스에 영향을 주지 않는 범위에서 일부 기지국을 절전 상태로 전환하도록 설계됐다.

특정 기지국의 전력 사용을 줄이기 전에는 주변 기지국이 해당 구역의 통신 수요를 감당할 수 있는지 확인한다. 이후에도 네트워크 상태를 감시하면서 필요할 경우 통신 용량을 다시 확보하도록 한다.

연구진은 엔비디아 DGX 스파크(DGX Spark)를 기반으로 구축한 휴대용 5G 시스템과 디지털 트윈 기술을 활용해 이러한 운영 방식을 검증했다.

실험 결과 기기 연결을 유지하면서 무선접속망(RAN)의 전력 소비가 최대 전력 사용 기준 대비 45.6% 감소한 것으로 보고됐다.

이는 AI를 활용한 통신망 운영 최적화가 에너지 효율 개선에 기여할 가능성을 보여주는 사례다.

다만 절감률은 해당 연구의 시험 조건과 비교 기준에 따른 수치다. 실제 상용 통신망에 적용했을 때의 절감 효과는 통신 수요와 설비 구성, 운영 환경 등에 따라 달라질 수 있다.

6G 개발에 필요한 시뮬레이션 시간도 단축되고 있다.

스페인 카탈루냐 통신기술센터(CTTC)는 엔비디아의 GPU 가속 기술을 활용해 무선 네트워크 시뮬레이션의 연산 부담을 줄이는 연구를 진행했다.

무선통신 기술을 실제 환경에 도입하기 위해서는 수많은 기기가 동시에 연결되는 상황이나 신호 간섭이 발생하는 조건 등을 사전에 검토해야 한다.

문제는 네트워크 규모가 커질수록 이러한 시뮬레이션에 필요한 계산량이 급격히 증가한다는 점이다.

CTTC는 엔비디아의 GPU 가속 무선 채널 모델을 오픈소스 네트워크 시뮬레이터인 5G-LENA에 결합했다.

초기 평가에서는 기존에 약 3시간이 소요되던 시뮬레이션 실행 시간이 10~20분 수준으로 줄어들었다.

엔비디아는 통합 방식에 따라 차이가 있지만 예상되는 통계적 특성과 네트워크 성능을 유지하면서 처리시간을 단축했다고 설명했다.

시뮬레이션 속도가 빨라지면 연구자들은 같은 시간 동안 더 많은 설계안을 비교하고 다양한 통신 환경을 시험할 수 있다. 실제 장비를 구축하기 전에 기술적 문제를 확인하는 과정에서도 활용도가 높아질 수 있다.

이번에 공개된 연구 사례들은 엔비디아의 6G 관련 기술 전략이 GPU 기반 연산을 넘어 무선통신 소프트웨어와 AI 모델, 네트워크 운영 기술까지 확대되고 있음을 보여준다.

특히 로봇 제어와 신호 수신, 기지국 전력 관리, 네트워크 시뮬레이션은 서로 다른 기술 영역이지만 AI를 활용해 통신 시스템의 효율성을 높인다는 공통점을 갖는다.

차세대 6G 네트워크에서는 사람과 스마트폰뿐 아니라 로봇과 자율 시스템, AI 기반 장치들이 동시에 연결되는 환경이 중요한 연구 과제로 떠오르고 있다.

이 과정에서 통신망은 데이터를 전달하는 역할에 더해 연산과 환경 인식 기능을 지원하는 인프라로 발전할 가능성이 있다.

다만 현재 공개된 성과 대부분은 연구기관의 실험과 기술 검증 단계에서 확인된 결과다. 6G 상용화 일정이나 실제 통신사업자의 도입 성과를 입증하는 자료와는 구분할 필요가 있다.

엔비디아가 공개한 이번 연구 사례의 의미는 차세대 통신망에 필요한 기술을 여러 연구기관이 공통된 개발 환경에서 시험하고 있다는 데 있다.

AI 반도체와 무선통신 기술의 결합이 향후 통신 인프라의 설계와 운영 방식을 어떻게 바꿀지 관심이 모아지고 있다.

[AI의 조력이 일부 활용됐다.]

★ 네티즌 어워즈 투표하러 가기 ▶
★ 전 세계 팬덤의 결집, cbcglobe.com ▶
★ 돈돈돈, 남몰래 혼자 보는 – 돈 되는 뉴스 ▶

▮ CBC뉴스ㅣCBCNEWS 심우일 기자