IEEE Globecom 2023에서 공개한 차세대 자동화 ML 솔루션 ‘AutoMLPoweredNetworks’

차세대 네트워크 환경에서는 다양한 서비스와 단말에서 발생하는 이기종 트래픽 패턴을 최적화하기 위해 적절한 기계 학습(ML) 모델 선택과 컴퓨팅 자원 할당이 중요해지고 있습니다. 하지만 서비스 요구 사항, 문제 유형, 학습 및 배포 주기, 자원 상태 등이 수시로 변하기 때문에 이를 수동으로 관리하는 것은 비효율적입니다.

본 글에서는 이러한 문제를 해결하기 위해 ML 모델 선택, 관련 변수 설정, 자원 할당을 자동화하는 'AutoMLPoweredNetworks' 기술을 소개합니다. 이 기술은 잘못된 모델 선택 및 자원 부족으로 인한 서비스 품질 저하, 운영 비용 증가 등의 문제를 해결하고, 네트워크 운영의 효율성을 높이는 것을 목표로 합니다.

IEEE Globecom 2023에서 발표될 이 연구는 최적화된 ML 모델 활용을 통해 QoS 및 QoE를 향상시킬 것으로 기대됩니다.