5월 3일 (화)
| 시간 | 주제 | 발표자 |
| 5월 3일 (화) - AI for Net | ||
| 10:00-10:50 | (개요) 5G-Advanced/6G 네트워크 지능화/자동화를 위한 AI for Net개요 | 박형곤 교수 (이화여대) |
| 본 발표에서는 5G-Advanced 및 6G 네트워크의 지능화와 자동화를 위한 기술적인 도전 과제들에 대해서 살펴보고, 이러한 네트워크 지능화 및 자동화를 위한 기술적인 도전과제를 해결하기 위하여 인공지능 기술이 어떻게 활용되어 왔는지 AI for Net 기술 측면에서 논의하고자 한다. | ||
| 10:50-11:40 | (표준) 3GPP NWDAF (Network Data Analytics Function) for Network Automation | 이수환 박사 (ETRI) |
| 3GPP 에서는 5G 코어네트워크의 자동화를 위해 릴리즈 16 규격부터 NWDAF라는 네트워크 데이터 분석 기능을 도입하여. 현재 진행중인 릴리즈 18규격까지 해당 기능을 강화하고 있다. 본 발표에서는 NWDAF를 통한 5G 코어 자동화 표준기술의 현재까지 현황과 현재 개발중인 릴리즈 18의주요 개선 방향 등에 대해 요약하여 소개한다. | ||
| 11:40-13:30 | (점심) Break | |
| 13:30-14:20 | (활용기술) Split Learning in AI for Net | 장혜령 교수 (동국대) |
| 본 발표에서는 네트워크 지능화와 자동화를 위해 활용될 수 있는 분산학습의 한 종류인 Split Learning 기술을 살펴본다. 특히, 단말의 계산 효율성, 단말-서버 간 통신 효율성, 학습 성능을 향상시키기 위한 다양한 split learning 연구 동향을 소개하고 네트워크 지능화를 위한 적용에 있어 고려되어야 할 점을 논의한다 | ||
| 14:20-15:10 | (활용기술) Federated learning for managing AI for Net: Efficiency and Privacy | 옥정슬 교수 (POSTECH) |
| 본 발표에서는 분산학습의 한 형태인 연합학습(federated learning)을 소개하고, 이를 실제 환경(예: 네트워크 망 관리)에 적용하기 위한 연구에 대해서 설명한다. 특히, 연합학습에서 요구되는 계산/통신 비용을 줄이는 연구들과, 연합을 위해 필수적인 개인정보 보호에 대한 연구에 집중하여 설명하고자한다 | ||
| 15:10-15:30 | Break | |
| 15:30-16:20 | (활용기술) Reinforcemenet learning in AI for Net | 전상운 교수 (한양대) |
| 본 발표는 5G/6G 네트워크 성능 향상을 위한 강화학습 기반 통신 프로토콜 기술 개발에 대해 소개한다. 먼저 네트워크 적응성 향상을 위해 PHY 및 MAC 계층기술에 강화학습을 적용한 사례를 살펴본다. 또한 분산 최적화를 위한 단말간 다중 에이전트 기반 강화학습 적용 사례를 살펴보고 망 성능 향상을 위해 고려되어야 할 점을 논의한다. 마지막으로 End-to-End 종간단 네트워크 성능 최적화를 위한 최근 연구 결과 및 방향을 논의한다. | ||
| 16:20-17:10 | (활용기술) Few-shot learning and meta learning in AI for Net | 윤성환 교수 (UNIST) |
| 본 발표에서는 소수의 학습 데이터로도 새로운 태스크에 빠르게 적응할 수 있는 소수샷 학습 기술(few-shot learning) 및 메타학습(meta learning)에 대해 소개하고, 해당 기술이 네트워크 지능화에 가져올 수 있는 가능성에 대해 논의하고자 한다. 구체적으로, 대표적인 소수샷 학습 기술 그리고 메타 강화학습 기술 사례를 논의한 후, 이들 기술이 시간과 상황에 따라 변화하는 차세대 네트워크 환경에서 어떻게 적용될 수 있을지 토의하고자 한다. | ||
5월 4일 (수)
| 시간 | 주제 | 발표자 |
| 5월 4일 (수) - Net for AI | ||
| 10:00-10:50 | (개요) 5G-Advanced/6G 네트워크 지능화/자동화를 위한 Net for AI개요 | 신명기 박사 (ETRI) |
| 본 발표에서는 3GPP 관점에서 5G-Advanced와 향후 6G 네트워크 진화 방향을 우선 전망해보고, 특히 5G/6G 자동화/지능화를 위해 단말의 AI/ML 서비스 (예, 모델 분배, 학습, 추론 등)를 5G/6G 네트워크 시스템에서 효율적으로 지원하기 위해 필요한 기술들을 Net for AI라는 기술 개념으로 이해하고 이를 위한 표준 관점의 이슈들과 실제 활용 및 적용, 구현, SI 관점들의 기술 이슈들을 전체적으로 살펴본다 | ||
| 10:50-11:40 | (표준) 3GPP AI/ML 시스템 (5G System Support for AI/ML-based Services) | 김욱 수석 (삼성리서치) |
| AI/ML이 적합한 통신 서비스를 무선 접속, 코어 네트워크, 그리고, 서비스의 측면에서 검토하고, 5G 망에서 관련 서비스를 최적으로 운영하기 위한 시스템의 다양한 구조와 서비스 지원을 위한 표준 개발에 대하여, 3GPP에서의 5G 표준(Rel-17) 진행 결과와 앞으로 논의될 5G Advanced 표준(Rel-18)의 기술 주제에 대하여 살펴 보고자 한다. | ||
| 11:40-13:30 | (점심) Break | |
| 13:30-14:20 | (활용기술) 모바일 AI 서비스를 위한 네트워킹 및 컴퓨팅 최적화 기술 | 김영진 교수 (인하대) |
| 본 발표에서는 엣지 컴퓨팅 기반의 모바일 AI 서비스에서 사용자의 경험 품질을 향상시키기 위한 네트워킹 및 컴퓨팅 최적화 기술을 살펴본다. 특히, 초당 프레임 처리속도, 프레임 별 추론 딜레이, 모바일 기기의 에너지 효율을 향상시키기 위한 추론 연산 오프로딩, DNN 모델 파티셔닝, 데이터 인코딩 관점에서의 연구 동향을 소개한다. | ||
| 14:20-15:10 | (활용기술) Network for AI 요소기술: AI Service Life Cycle Perspective | 고한얼 교수 (고려대) |
| 본 발표에서는 Data collection - Model training - Inference의 AI service life cycle의 각 단계에서 발생할 수 있는 이슈들을 살펴보고 해당 이슈들을 해결하기 위해 네트워크에서 어떤 요소기술들이 연구되고 있는지를 살펴본다. | ||
| 15:10-15:30 | Break | |
| 15:30-16:20 | (활용기술) Net for AI를 위한 SmartNIC 기술 | 임영빈 교수 (UNIST) |
| 최근 CPU가 처리하는 작업을 네트워크 어댑터로 오프로딩 함으로써 성능을 높이고, 자원을 보다 효율적으로 활용하기 위한 용도로 스토리지, 네트워킹, 보안 등의 여러 응용에서 활용되고 있는 SmartNIC에 대해 알아본다. 또한, 5G 및 AI의 연산을 SmartNIC을 사용하여 오프로딩하는 최근의 기법에 대해서도 살펴본다. | ||
| 16:20-17:10 | (활용기술) KT 네트워크 AI 기술 적용 현황 및 진화 방향 | 이광국 팀장 (KT) |
| 통신 사업자의 유무선 네트워크에 적용되어 있는 AI 기술을 소개하고 진화 방향에 대해 알아본다. | ||