차세대 무선 네트워크는 초고속 데이터 전송률과 저 지연 통신을 지원해야 하며, 이를 위해서는 새로운 무선 라디오 기술 패러다임이 필요합니다. 증가하는 모바일 사용자 수는 필연적으로 무선 네트워크 부하를 야기하며, 이는 곧 스펙트럼 부족을 초래합니다. 미래 무선 네트워크 기술은 새로운 주파수 대역을 탐색하고, 더 넓은 대역폭을 사용하는 방향을 모색하고 있습니다. 하지만, 실질적으로 새로운 스펙트럼의 주파수 특성과 사용에 들어가는 비용을 고려할 때, 새로운 대역의 사용과 더불어 기존 대역에서 시스템의 성능을 올리는 것도 중요합니다. 따라서 MNO(모바일 네트워크 사업자)는 증가하는 사용자의 데이터 량과 새로운 서비스의 요구를 충족하기 위해 스펙트럼 리소스를 효율적으로 활용해야 합니다. 각 사용자에게 할당되는 스펙트럼 리소스는 유지와 사용에 많은 비용이 소모되고 있습니다. 이를 극복하기 위해 공용공간 등을 위주로 누구나 사용할 수 있는 비면허 대역의 공유사용을 중심으로 많은 서비스들이 계획되고 설치, 운용되는 것을 볼 수 있습니다. 셀룰러-비 면허 대역 연계의 실 사용 예시로, 지하철 Wi-Fi 서비스 등을 들 수 있습니다. 하지만, 경쟁을 허용하는 비 면허 대역 사용 규칙은 끝없는 충돌을 야기하며, 셀룰러 서비스를 제공하기에 부적절합니다.

반대로, 셀룰러 대역을 사용하는 무선 네트워크에서 기존의 스케줄링 기반 자원 할당 방식은 복잡한 네트워크 상황, 역동적인 네트워크 환경에 대응하는 데 어려움이 있습니다. 모바일 네트워크의 자원 부족을 극복하기 위해 여러 사업자 간의 스펙트럼 공유가 효율적인 솔루션이 될 수 있습니다. 기존의 동적 스펙트럼 공유 방법은 모델에 따라 다르지만, 충돌을 감내하고 동작하거나, 랜덤 액세스를 하지 못하면 전송에 실패하는 등 변화하는 무선 환경에 적합하지 않은 부분을 가지고 있습니다.

최근 복잡한 미래의 무선 네트워크를 위한 저 지연 통신을 가능하게 하기 위해 효율적인 머신 러닝 알고리즘의 사용이 무선 네트워크 인프라 전반에서 활발히 논의되고 있습니다. 본 논문에서는 셀룰러 주파수 공유 기법을 사용하여 셀룰러 서비스를 가능케 하고, 사업자 요구사항을 준수하면서도 충돌이 적은 서비스를 하기 위해서 적합한 머신 러닝 알고리즘을 연구합니다. 또한, 머신 러닝 알고리즘을 활용하여 동적 네트워크의 희소한 자원을 효율적이고 지능적으로 활용하기 위해 여러 모바일 네트워크 사업자(MNO) 간의 효율적인 기계 학습 기반 스펙트럼 공유 방법을 제안합니다. 모바일 네트워크 사업자는 다른 사업자의 유휴 셀룰러 주파수 대역을 사용하여 효율적으로 정보를 전송하기 위하여 신경망 모델을 사용하여 각 MNO는 다른 MNO의 스펙트럼 사용을 학습할 수 있습니다.

본 논문에서는 시스템 레벨 시뮬레이션을 통하여 제안 공유 시스템과 기존 방식의 성능을 비교하고 결과를 정리하였습니다. 시뮬레이션 결과는 제안된 신경망 모델이 네트워크를 빠르게 학습하며 네트워크의 지연, 사용자 인지 처리량, 리소스 사용, 패킷 드롭 및 총 처리량 등 여러 측면에서 향상된 네트워크 성능으로 이어질 수 있음을 보여줍니다.