[OSSCA/O-RAN] O-RAN Introduction

💡 요약

• 오픈소스 컨트리뷰션 아카데미(OSSCA)의 O-RAN AI/ML FW 오픈소스 프로젝트에 참여
• AI/ML Workflow(AIMLFW) 기능 개발에 기여 예정

0. 오픈소스 컨트리뷰션 아카데미 (OSSCA) 참여

2년 전, 부트캠프에서 MLOps 환경을 처음 접하고 구현해보면서 머신러닝 워크플로 자동화에 관심이 생겼습니다. 당시엔 참고 자료나 실제 사례를 찾기 어려웠는데 현재는 다양한 분야에서 적극적으로 MLOps를 적용하고 있습니다.

현업에서 어떻게 수행되고 있는지 경험해보고 MLOps 관련해 공부해볼 수 있는 활동을 찾다가 OSSCA를 알게 되었고, 그중 O-RAN AI/ML Framework라는 프로젝트에 참여하게 되었습니다.

7월부터 시작했는데 이제서야 올리게 된 이유는 원래 노션에만 기록을 남겼었는데 진행 과정에 대해 다른 분들과 공유하면 좋을 것 같다는 생각이 들었기 때문입니다.

(아래의 내용은 Samsung Tech Blog - 개방형 기지국 제어를 위한 AI/ML 프레임워크 오픈소스 개발 기반으로 작성)

---

1. O-RAN (개방형 무선 접속망)

① O-RAN이란?

• RAN(무선 접속망)의 일종
• 목표
  • 기존 모놀리식 하드웨어 중심 O-RAN 설계 → 개방형 가상 아키텍처로 변환하는 것
  • 가상 아키텍처 : 다양한 공급업체가 개발한 이동통신망 장비 간 상호운용성 가능케 함
• 효과
  • To. 무선망 장비 제공업체
    • 전체 RAN 구축 대신 특정 소프트웨어 컴포넌트 제공에 집중 가능
  • To. 무선 서비스 제공업체
    • 다양한 공급업체가 개발한 컴포넌트 조합해 사용 가능
• 참고) Matlab의 O-RAN 설명

② O-RAN 아키텍처

• 기존 RAN
  • 단일 공급업체가 제공하는 블록 사용
  • BBU(기저대역 장치) + RU(무선 장치) 등
• O-RAN Alliance
  • 제조사에 특화되어 있던 RAN 기기들의 인터페이스 통합, 관련 SW 모듈과 AI 적용 프로세스 등을 표준화
  • 기저대역 장치 & 무선장치 → 서로 다른 3개의 모듈 & 5G 프로토콜 계층으로 분할
  • 효과 : 다양한 공급업체가 각각 제공 가능

---

2. O-RAN AI/ML Workflow

• 참고) Samsung Tech Blog - 개방형 기지국 제어를 위한 AI/ML 프레임워크 오픈소스 개발

① O-RAN Software Community

• O-RAN SC 사이트
• O-RAN Alliance가 Linux Foundation와 함께 O-RAN의 구조와 스펙에 기반한 오픈소스 개발 위해 개설
• 제조사에 특화되어 있던 RAN 기기들의 인터페이스 통합, 관련 SW 모듈과 AI 적용 프로세스 등을 표준화

② O-RAN SC 아키텍처

③ O-RAN AI/ML Workflow

• AI 모델의 학습 & 배포 포함한 전체 라이프 사이클을 스펙으로 정의한 것
  • 목적 → O-RAN 구성 요소들에 AI 기술 적용
  • O-RAN Alliance의 11개 Work Group(WG) 중 WG2
    • 가장 일반적인 배포 형태 4종 정의
• 구성도
  
• 주요 기능
  • 모델 생성/학습/선택
  • 모델 배포 및 추론
  • 모델 성능 모니터링
  • 모델 재학습/재배포 및 종료

④ RAN Intelligent Controller(RIC)

• RAN 제어 애플리케이션 플랫폼
• 3가지 구분
  • 기준
    • 유즈 케이스별 Control Closed-loop의 시간 제약
    • 시간 제약이 클수록 단말과 가까운 곳에 배포
  • 유형
    • Non-Real-Time(Non-RT) RIC
    • Near-Real-Time(Near-RT) RIC
    • Real-Time RIC

⑤ AIMLFW

• Training Host + Inference Host → RIC와 연동한 결과 활용한 프로젝트

• Training Host

  • 파이프라인 가반 모델 학습 시스템
  • Kubeflow 기반 Training Platform Service(TPS) 사용
  • 데이터 전처리 → 모델 학습 → 평가 → 재학습 → 배포까지 파이프라인 자동화
  • 동일 파이프라인 재활용 가능
  • TPS Adapter를 통해 Feature Store 등 데이터 모듈과 이기종 학습 플랫폼 연동 가능
  • 학습 완료 모델 → Training Host 모델 저장소에 축적

• Inference Host

  • 대용량 추론 요청 처리 위한 추론 시스템
  • KServe 기반 Inference Platform Service(IPS) 사용
  • 학습 완료 모델을 추론 서비스 형태로 패키징 후 배
  • Istio(Service Mesh), KNative(Serverless) 기반 트래픽 분산·서비스 오토스케일링 제공
  • Near-RT RIC에 배포되는 RAN 제어 애플리케이션의 근실시간 Closed-loop 요구사항 충족을 위해 로드밸런싱 및 스케일 조정 필수

• 전체 아키텍처
  

---

3. 결론

O-RAN은 다양한 제조사가 만든 기지국 장비를 상호 연동하여 사용할 수 있도록 하는 개방형 무선 접속망 기술입니다.
O-RAN AI/ML Workflow(AIMLFW) 프로젝트를 통해 AI 모델의 학습부터 배포까지의 전체 라이프 사이클을 다루는데 참여하고자 합니다.