사용자 및 서비스 레벨의 인지 품질을 위한 AI 기반 최적화

5G-Advanced와 6G로 이동하는 네트워크 환경에서는 확장 현실(XR), 클라우드 게이밍, 초고화질 스트리밍 등 다양한 서비스가 요구하는 품질 기준이 상이해 최적화가 복잡해지고 있다.

특히 이동 중 핸드오버 실패나 지연 증가 등 품질 저하 현상은 특정 사용자나 경로에서 반복적으로 발생하지만, 기존 셀 단위 최적화 방식으로는 이를 해결하기 어렵다.

삼성리서치는 이를 해결하기 위해 AI 기반 최적화 프레임워크를 제안했다. 이 시스템은 과거 사용자 데이터를 분석해 품질 저하 패턴을 학습하고, 실시간 네트워크 운영 시 해당 패턴을 기반으로 잠재적 문제를 예측한다.

학습 단계에서는 수신 신호 강도, 품질, 간섭, 다운링크 스루풋 등 다변량 시계열 데이터를 AI 인코더로 압축하여 저차원 임베딩 공간으로 변환한다.

운영 단계에서는 학습된 패턴을 활용해 품질 저하를 사전에 감지하고, 선제적 이동성 제어를 통해 서비스 품질을 유지한다. 이는 셀 평균 성능 개선이 아닌, 개별 사용자의 컨텍스트를 고려한 정밀한 품질 관리가 가능함을 의미한다.