엔비디아가 오픈소스 무선 소프트웨어를 활용한 차세대 6G 네트워크 연구 성과와 글로벌 적용 사례를 대거 공개했다.
회사 측에 따르면 '엔비디아 AI 에어리얼(NVIDIA AI Aerial)'과 '엔비디아 시오나(NVIDIA Sionna)'의 글로벌 개발자 채택 규모는 지난 1년간 10배 이상 급증했다. 관련 오픈소스 5G·6G 도구의 누적 다운로드 수는 100만건을 넘어섰으며, 현재 전 세계 8000곳이 넘는 연구 및 학술기관이 해당 플랫폼을 기반으로 차세대 통신 기술을 개발하고 있다.
엔비디아는 약 1년 전 에어리얼 무선 소프트웨어를 오픈소스로 개방했다. 시뮬레이션 환경과 인공지능(AI) 학습을 실제 무선 전송 실증 실험으로 직결해 연구자가 아이디어를 검증하고 기술 개발을 이어가도록 돕는 것이 이 도구들의 핵심 기능이다.
영국 킹스칼리지런던 연구진은 카메라를 장착한 로봇팔을 엔비디아 시오나가 구동되는 '엔비디아 젯슨 AGX 오린(NVIDIA Jetson AGX Orin)'에 연결해 로봇 통신 성능을 대폭 끌어올렸다. 로봇이 전체 고화질 이미지를 주기적으로 전송하는 기존 방식 대신, 물체와 위치 및 상호 관계를 압축해 전달하는 '목표 지향 의미 통신' 방식을 적용했다.
의도적으로 오류를 유발한 과일 포장과 큐브 쌓기 실증 실험 결과, 작업 완료 시간은 기존 이미지 전송 방식 대비 최대 52.6% 단축됐다. 작업 성공률 역시 크게 개선됐다. 로봇이 물체 낙하나 동작 실패를 스스로 감지해 복구했으며, 디지털 트윈을 결합한 구성에서는 동작 실행 전 충돌 가능성을 사전 검증하는 성과를 냈다.
일본 소프트뱅크는 '엔비디아 에어리얼 쿠다 가속 RAN(ACAR)'에 신경망 수신기를 통합해 상용 5G 스마트폰 환경에서 시험을 마쳤다. 간섭이 존재하는 통제된 환경의 15개 시험 설정 전체에서 기존 수신기 대비 높은 업링크 처리량을 기록했으며, 최대 개선 폭은 60%에 달했다.
스위스 ETH 취리히 연구진도 '엔비디아 에어리얼 테스트베드(NVIDIA Aerial Testbed)'를 활용해 현장 측정값으로 신경망 수신기를 직접 미세 조정했다. 그 결과 사전학습된 기존 버전 대비 블록 오류율이 3분의 1 이상 감소하는 결과를 얻었다.
영국 리즈대학교 연구팀은 10분 뒤의 네트워크 수요를 사전 예측해 기지국의 절전 모드 전환 여부를 판단하는 자율 제어 시스템을 구축했다. 기지국 전원을 끄기 전 주변의 가동 기지국이 접속 기기들을 계속 지원할 수 있는지 검증하고, 용량 복구가 필요한 상황을 실시간 감시하는 방식이다.
'엔비디아 DGX 스파크(DGX Spark)' 기반의 휴대형 5G 네트워크와 디지털 트윈을 결합한 시험에서, 연구진은 통신 연결을 안정적으로 유지하면서 무선접속망(RAN) 전력 소비를 최대 전력 가동 시점 대비 45.6% 줄였다고 보고했다.
스페인 카탈루냐 통신기술센터(CTTC)는 ACAR에서 구동되는 GPU 가속 무선 채널 모델을 오픈소스 네트워크 시뮬레이터 '5G-LENA'에 통합하고 있다. 초기 평가 결과에 따르면 통상 3시간가량 소요되던 시뮬레이션 실행 시간이 10~20분 수준으로 크게 단축됐다. 이 과정에서 예상되는 통계적 특성과 네트워크 성능은 그대로 유지된 것으로 확인됐다.
로봇의 응답 속도 향상, 수신 품질 개선, 기지국 전력 최적화, 시뮬레이션 시간 단축 등 각 연구 기관이 거둔 성과는 AI 기반 6G 네트워크 상용화를 위한 핵심 과제들과 맞닿아 있다. 엔비디아 AI 에어리얼과 시오나 등 관련 차세대 통신 연구 도구는 현재 깃허브(GitHub)를 통해 전 세계 개발자들에게 개방되어 있다.
