GENESIS: 자율적인 6G RAN 합성, 연구 및 테스트를 위한 AI 에이전트 활용

셀룰러 연구 개발 (R&D)은 반복당 수개월의 수동 엔지니어링 작업을 소모하는 여섯 가지 구조적 프로세스로 인해 제약을 받고 있습니다: (i) 표준 또는 연구 논문으로부터 새로운 기능을 프로덕션 코드 (production code)로 합성하는 것; (ii) 적합성 및 상호 운용성 테스트 (conformance and interoperability testing); (iii) 현장 이상 징후 및 다양한 배포 환경에 대한 내구성 강화 (hardening); (iv) 네트워크 기능의 데이터 기반 최적화; (v) 미래 표준을 위한 새로운 파형 (waveform), 기능 및 역량의 발견 및 프로토타이핑; (vi) 취약점에 대한 스택 보안 강화. 대규모 언어 모델 (LLMs)이 일반 소프트웨어 엔지니어링 분야의 유사한 R&D 작업을 며칠에서 몇 분으로 단축시켰음에도 불구하고, 이들의 알려진 결함은 무선 접속 망 (RAN) 사용 사례에서 더욱 악화됩니다. 즉, 이들은 애플리케이션 프로그래밍 인터페이스 (APIs)를 환각 (hallucinate)하거나 사양을 잘못 읽는데, 이는 단 한 번의 실수만으로도 RAN 구성 요소의 상호 운용성을 저해하며, 알고리즘 설계를 위해 시뮬레이션에 과도하게 의존하는데 이는 실제 하드웨어로 전이될 때 작동이 깨지는 것으로 악명이 높습니다. 이러한 과제를 해결하기 위해, 우리는 의도(예: 사양 조항, 텔레메트리 이상 징후 또는 연구 가설)를 무선 실험 (over-the-air experiments)으로 검증된 솔루션으로 변환하고, 이를 지속적인 지식 베이스에 피드백하는 에이전트 기반 인공지능 (AI) 프레임워크인 GENESIS를 제시합니다. GENESIS는 세 가지 구성 가능한 프리미티브 (에이전트, 스킬, 훅)와 그라운드 트루스 (ground truth)의 원천이자 프레임워크가 생성하는 모든 아티팩트의 수신처 역할을 하는 지식 계층 (SYNAPSE)을 기반으로 구축되어, 실행이 반복될수록 역량이 복리로 쌓이게 합니다.