RIS Control through the Lens of Stochastic Network Calculus: An O-RAN Framework for Delay-Sensitive 6G Applications

이 논문은 O-RAN 아키텍처를 기반으로 확률적 네트워크 계산 (SNC) 모델을 활용하여 다중 RIS 환경에서 트래픽 변동에 실시간으로 적응하며 지연 민감도 요구사항을 충족하는 'DARIO'라는 지연 인식 RIS 오케스트레이션 프레임워크를 제안하고, 이를 통해 고부하 조건에서 최대 95.7% 의 지연 감소를 입증합니다.

핵심

🏙️ 비유: 혼잡한 도시와 '스마트 거울'

想象해 보세요. 여러분이 6G 도시에서 살고 있다고 가정해 봅시다.

• 사용자 (UE): 데이터를 보내고 싶은 여러분.
• 기지국 (BS): 데이터를 받아주는 큰 타워.
• 문제: 도시에는 고층 빌딩이 많아서 신호가 가려지거나 (블록킹), 신호가 여러 경로로 돌아서 도착해 늦어집니다. 특히 **구급차 (긴급 데이터)**나 자율주행차 같은 경우, 신호가 1 초만 늦어져도 큰 사고가 날 수 있습니다.

여기서 등장하는 영웅이 바로 **RIS(Reconfigurable Intelligent Surface)**입니다.

• RIS 는 뭐죠? 벽이나 빌딩에 붙여놓은 **수천 개의 작은 '스마트 거울'**이라고 생각하세요. 이 거울들은 전파를 반사해서 신호가 가려진 길을 우회하게 하거나, 신호를 모아서 더 선명하게 만들어줍니다.

하지만 문제는 이거죠. 거울이 너무 많고, 사람 (사용자) 이 움직이며, 날씨 (신호 상태) 가 변하는데, 어떤 거울을 언제, 누구를 위해 틀어야 할지 결정하는 게 매우 어렵습니다. 기존의 방식은 "한 번 정하면 끝"이거나, 너무 느려서 실시간으로 대응하지 못했습니다.

🚀 이 논문이 제안한 해결책: 'DARIO' (다리오)

저자들은 DARIO라는 새로운 시스템을 개발했습니다. DARIO 는 스마트 거울들의 지휘자 역할을 합니다.

1. DARIO 의 핵심 아이디어: "예측과 빠른 조정"

DARIO 는 단순히 "지금 신호가 좋은 거울"을 고르는 게 아닙니다.

• 비유: 마치 택시 배차 앱이 생각하듯, "지금 이 손님은 5 분 안에 도착해야 하는데, 이 거울을 쓰면 1 초 만에 도착할 수 있겠다"라고 계산합니다.
• 핵심 기술 (SNC): DARIO 는 **확률적 네트워크 계산 (SNC)**이라는 수학적 도구를 사용합니다. 이는 "날씨가 어떻게 변할지, 교통체증이 얼마나 심해질지"를 미리 예측하여, **"이 경로를 선택하면 99.9% 의 확률로 1 초 안에 도착한다"**라고 보장하는 시스템입니다.

2. DARIO 가 어떻게 작동하나요? (O-RAN 프레임워크)

이 시스템은 **O-RAN(열린 무선 접속망)**이라는 표준에 맞춰 설계되었습니다.

• 지휘자 (DARIO): 네트워크의 전체 상황을 파악하고, "지금 A 사용자는 B 거울을, C 사용자는 D 거울을 쓰게 해라"라고 명령합니다.
• 실시간 실행: 이 명령은 100 밀리초 (0.1 초) 단위로 빠르게 바뀝니다. 사용자가 이동하거나 트래픽이 폭주해도 DARIO 는 즉시 거울의 각도를 바꿔서 최적의 경로를 만들어냅니다.

3. 왜 이것이 중요한가요? (기존 방식과의 차이)

• 기존 방식: "이 거울은 항상 A 를 위해 쓰자" (고정식). 혹은 "신호가 가장 강한 거울을 골라라" (단순 신호 강도 기준).
  • 문제: A 가 멀리 이동하면 신호가 약해지는데 거울은 그대로여서 데이터가 늦어집니다.
• DARIO 방식: "지금 A 가 B 거울을 쓰면 0.5 초, C 가 D 거울을 쓰면 0.3 초 걸리니, 서로 바꿔서 쓰자!" (동적 최적화).
  • 결과: 지연 시간 (Delay) 을 최대 95.7% 까지 줄였습니다. 즉, 100 초 걸리던 것이 4 초 만에 해결된다는 뜻입니다.

📊 실험 결과: 실제로 효과가 있을까?

저자들은 이 시스템을 시뮬레이션으로만 테스트한 게 아니라, 스페인 마드리드의 실제 도시 환경에서 실증 실험을 했습니다.

• 실제 데이터: 실제 통신사에서 가져온 복잡한 트래픽 데이터를 사용했습니다.
• 결과: 혼잡한 시간대나 많은 사람이 동시에 데이터를 보낼 때, DARIO 는 다른 어떤 방법보다도 데이터가 늦어지는 현상을 획기적으로 줄였습니다. 특히 많은 거울 (RIS) 이 있을수록 그 효과가 더 컸습니다.

💡 한 줄 요약

이 논문은 **"복잡한 도시의 통신 신호를, 수천 개의 스마트 거울을 실시간으로 지휘하는 똑똑한 AI 지휘자 (DARIO) 가 관리하면, 데이터가 미끄럼틀처럼 빠르게 흘러가서 지연이 사라진다"**는 것을 증명했습니다.

이는 향후 자율주행, 원격 수술, 메타버스처럼 1 초의 지연도 용납되지 않는 6G 시대의 핵심 기술이 될 것입니다.

기술 요약

이 논문은 6G 네트워크의 지연 민감형 애플리케이션 (Delay-Sensitive Applications) 을 지원하기 위해, 확률적 네트워크 계산 (Stochastic Network Calculus, SNC) 을 기반으로 한 재구성 가능 지능형 표면 (RIS) 제어 프레임워크를 제안합니다. 저자들은 DARIO(Delay-Aware RIS Orchestrator) 라는 O-RAN(Open Radio Access Network) 호환 솔루션을 개발하여, 다중 RIS 환경에서 사용자의 지연 및 신뢰성 요구사항을 충족시키기 위해 동적으로 RIS 할당을 최적화하는 방법을 제시했습니다.

주요 내용은 다음과 같습니다.

1. 문제 정의 (Problem Statement)

• 배경: 6G 네트워크에서 RIS 는 신호 차단 및 다중 경로 페이딩을 완화하여 성능을 향상시킬 수 있는 핵심 기술입니다. 그러나 기존 RIS 제어 방식은 주로 정적 (static) 인 채널 상태나 최대 용량/에너지 효율 최적화에 초점을 맞추고 있습니다.
• 한계: 초저지연 고신뢰 통신 (uRLLC) 과 같은 지연 민감형 서비스의 경우, 트래픽의 급변과 채널의 빠른 변동에 실시간으로 대응하지 못하면 패킷 지연 위반 (Delay Violation) 이 발생할 수 있습니다. 기존 연구들은 확률적 트래픽 도착, 큐잉 동역학, 그리고 사용자별 지연 보장 확률을 고려한 동적 RIS 할당 문제를 해결하지 못했습니다.
• 목표: 다양한 지연 예산 (Delay Budget) 과 위반 확률 요구사항을 가진 다수의 이동성 사용자 (UE) 를 대상으로, 상향 링크 (Uplink) 지연을 최소화하면서 각 사용자의 지연 및 신뢰성 목표를 달성하는 동적 RIS 할당 메커니즘을 설계하는 것입니다.

2. 방법론 (Methodology)

논문은 O-RAN 아키텍처에 통합된 DARIO 프레임워크를 중심으로 다음과 같은 방법론을 제시합니다.

• DARIO 프레임워크 아키텍처:

  • O-RAN 의 Non-RT RIC(비실시간 라디오 인텔리전트 컨트롤러) 및 Near-RT RIC(근실시간 컨트롤러) 와 연동하여 작동합니다.
  • SNC 모듈: 트래픽 및 채널 동역학 하에서 각 가능한 사용자-RIS 할당에 대한 지연 상한 (Delay Bound) 을 분석적으로 추정합니다.
  • RIS 스케줄러: SNC 모듈의 추정치를 기반으로 지연 위반 확률을 최소화하는 최적의 사용자-RIS 매핑 및 무선 자원 할당을 결정합니다.
  • 인터페이스: O-RAN 의 기존 인터페이스 (O1, A1, E2) 를 확장하여 RIS 제어에 특화된 RO1, RO2, RO3 인터페이스를 정의했습니다.

• 확률적 네트워크 계산 (SNC) 기반 지연 모델:

  • 트래픽 도착 과정 (Arrival Process) 과 서비스 과정 (Service Process) 을 확률적으로 모델링합니다.
  • 서비스 과정 모델링: RIS 할당 여부와 동적 구성에 따라 변하는 셀 용량을 고려하여, 유한 혼합 (Finite-mixture) 서비스 특성을 도입했습니다. 이는 RIS 재구성에 따른 서비스율의 변동을 정밀하게 반영합니다.
  • 지연 상한 도출: 트래픽의 지수적 경계 (EBB) 와 서비스의 지수적 변동 (EBF) 을 기반으로 지연 위반 확률 ($\epsilon$) 이 임계값 이하가 되도록 지연 상한 ($W$) 을 계산합니다.

• 최적화 문제 및 휴리스틱 알고리즘:

  • 문제 정의: 사용자-RIS-RB(리소스 블록) 할당 문제를 비선형 정수 계획법 (NIP) 문제로 공식화했습니다. 목적 함수는 각 사용자의 경험 지연 상한과 목표 지연 상한의 비율을 최대화하는 것입니다.
  • 해법: NIP 문제는 계산 복잡도가 매우 높으므로, 2 단계 휴리스틱 알고리즘을 제안했습니다.
    1. RB 할당: RIS 할당을 고려하지 않고 사용자의 지연 요구사항에 따라 RB 를 균등하게 할당하거나 조정합니다.
    2. 동적 RIS 할당: 고정된 RB 할당을 기반으로, 각 스케줄링 주기마다 지연이 가장 큰 사용자를 우선적으로 처리하여 RIS 를 동적으로 재할당하는 알고리즘을 실행합니다.

3. 주요 기여 (Key Contributions)

1. DARIO 제안: O-RAN 표준을 준수하며, 다중 RIS 환경에서 이동성 사용자의 이질적인 지연/신뢰성 요구사항을 실시간으로 처리하는 최초의 오케스트레이터입니다.
2. 새로운 SNC 모델: 동적인 사용자-RIS 구성에 따른 상향 링크 속도 변동을 반영한 지연 모델로, 실제 트래픽과 채널 조건 하에서 지연 위반 확률을 분석적으로 추정합니다.
3. 효율적인 최적화: 비선형 정수 계획법 (NIP) 문제를 근사 최적 해를 제공하면서도 낮은 계산 오버헤드로 해결하는 휴리스틱 알고리즘을 설계했습니다.
4. 실증 평가: 시뮬레이션과 실제 통신 사업자의 트래픽 트레이스 (Real-world Traffic Traces) 를 활용한 평가를 통해 제안된 프레임워크의 유효성을 입증했습니다.

4. 실험 결과 (Results)

• SNC 모델 검증: Poisson 분포를 따르는 합성 트래픽과 실제 도시 환경에서 수집된 트래픽 트레이스 모두에서 제안된 SNC 모델이 실제 지연을 보수적으로 (Conservatively) 잘 추정함을 확인했습니다. (실제 지연 대비 약 230% 과대평가로 안전 마진 확보).
• 성능 비교: DARIO 는 'RIS 미할당', 'SNR 기반 정적 할당', '지연 인식 정적 할당' 등의 기존 방식과 비교하여 우수한 성능을 보였습니다.
  • 지연 감소: 고부하 또는 RIS 가 풍부한 시나리오에서 최대 95.7% 까지 지연을 감소시켰습니다.
  • 통계적 우위: 90 백분위수 (P90) 기준, No RIS 대비 95.71%, SNR 기반 대비 75.82%, 지연 인식 정적 할당 대비 55.10% 의 성능 개선을 달성했습니다.
  • 처리량: 지연 성능 향상이 전체 처리량 (Throughput) 을 희생하지 않고 달성되었음을 확인했습니다.
• 계산 복잡도: DARIO 는 O-RAN 의 Non-RT 제어 루프 시간 제약 (약 2 초) 내에서 최적화를 완료할 수 있으며, 실행 시간은 약 1.55 초 이내로 측정되었습니다.

5. 의의 및 결론 (Significance)

이 논문은 RIS 기술을 지연 민감형 6G 서비스 (uRLLC 등) 에 적용하기 위한 실질적인 제어 프레임워크를 최초로 제시했다는 점에서 의미가 큽니다.

• 동적 적응성: 정적인 채널 상태나 SNR 기반 할당을 넘어, 트래픽의 변동성과 사용자별 지연 요구사항을 실시간으로 반영하여 RIS 를 동적으로 재구성하는 메커니즘을 확립했습니다.
• O-RAN 통합: O-RAN 아키텍처에 자연스럽게 통합될 수 있는 구조를 설계하여, 표준화된 6G 네트워크에서의 실제 구현 가능성을 높였습니다.
• 실증 데이터 기반: 단순 시뮬레이션을 넘어 실제 통신망에서 수집된 트래픽 데이터와 상용 RIS 장비를 활용한 평가를 통해, 제안된 솔루션의 실용성과 확장성을 입증했습니다.

결론적으로, DARIO 는 6G 네트워크에서 초저지연 통신을 보장하기 위해 RIS 를 지능적으로 제어할 수 있는 강력한 도구로서, 미래 무선 네트워크의 지연 민감형 애플리케이션 구현에 중요한 기여를 할 것으로 기대됩니다.