6G AI/ML 물리계층: 2부 - JSCM 기반 오디오 트래픽

무선통신은 오랫동안 비트 정확도를 최우선 목표로 설계돼 왔지만, 음성처럼 인간이 직접 듣는 서비스에서는 모든 비트가 완벽할 필요는 없다. 의미가 유지되면 되는 경우가 많기 때문에, 전송 목표를 bit-perfect가 아니라 meaning-preserving으로 바꾸는 semantic communication이 핵심 대안으로 떠오른다.

오디오는 이런 접근을 시작하기에 가장 자연스러운 대상이다. 음성은 가장 기본적인 인간 소통 수단이면서도 지연에 민감하고, 동시에 전통적인 통신 시스템이 인간이 실제로 체감하는 품질보다 과도하게 비트 충실도를 보호하는 문제를 드러낸다. 특히 satellite access, wearables, deep fading 같은 약한 링크 환경이나 재난·공공안전 네트워크처럼 자원이 부족한 상황에서 효용이 크다.

이 접근의 핵심은 전통적인 source coding - channel coding - modulation 분리 구조를 버리고, 이를 하나의 end-to-end neural architecture로 묶는 데 있다. 송신단 네트워크는 입력 오디오를 압축해 곧바로 complex-valued symbols를 만들고, 수신단 네트워크는 잡음이 섞인 심볼로부터 오디오를 복원한다. 즉, 채널 자체를 학습 과정에 포함시켜 압축과 전송을 함께 최적화하는 JSCM (joint source-channel coding and modulation) 구조다.

평가는 두 갈래로 진행됐다. 먼저 5G-based link-level simulator에서 기존 분리형 파이프라인과 성능을 비교했고, 이어서 USRPs를 이용한 하드웨어 proof-of-concept를 Bluetooth-band 환경에서 구성해 실제 무선 링크에서도 동작하는지 확인했다. 두 실험 모두 LibriSpeech 데이터셋을 사용했으며, 공정한 자원 조건에서 비교가 이뤄졌다.

결과는 분명했다. SAC-JSCM은 시뮬레이션과 실기 모두에서 기존 benchmark보다 약 10 dB 낮은 SNR 또는 송신 전력에서도 유사한 지각 품질을 유지했다. 시뮬레이션에서는 테스트 전 범위에서 더 좋은 곡선을 보였고, 하드웨어 PoC에서는 전력이 약해질수록 전통 방식이 급격히 무너지는 cliff effect가 나타난 반면, semantic 방식은 더 완만하게 성능이 떨어지며 끝까지 버텼다.

이 결과가 의미하는 바는 단순한 codec 개선이 아니다. 앞으로의 무선 시스템은 비트스트림 자체가 아니라 사용자가 실제로 인지하는 품질을 기준으로 최적화될 수 있다. 음성에서 시작한 semantic audio communication은 더 적은 전력과 더 나은 커버리지, 더 안정적인 재난 통신으로 이어질 수 있는 초기 사례로 제시된다.