우리 대학교·엔비디아, 30TB 규모 무선 AI 학습 데이터셋 ‘Channels4World’ 공개
- 2026.11.19
[사진. (왼쪽부터) 인공지능융합대학 첨단융합공학부 장준규 연구원, DGIST 전기전자컴퓨터공학과 문형주 교수, 전기전자공학부 김광순·김성륜 교수, 인공지능융합대학 첨단융합공학부 채찬병 교수]
인공지능융합대학 첨단융합공학부 채찬병 교수팀이 엔비디아(NVIDIA)와 공동으로 약 30테라바이트(TB) 규모의 무선 인공지능(AI) 학습 데이터셋 ‘Channels4World’를 공개했다. 이번 데이터셋은 10만 개의 가상 무선 환경에서 전파가 전달되는 특성을 담은 것으로, AI가 다양한 무선 환경을 학습하고 새로운 환경에 적응하는 데 활용할 수 있도록 개발됐다.
Channels4World는 무선 파운데이션 모델(Wireless Foundation Model) 개발을 위한 대규모 데이터셋이다. 무선 파운데이션 모델은 방대한 무선 데이터를 학습해 단말의 위치를 추정하거나 통신 신호의 전달 상태를 예측하는 등 다양한 작업에 활용할 수 있는 범용 AI 모델이다. 대규모 언어모델이 다양한 문서를 학습해 언어를 이해하듯, 무선 파운데이션 모델도 여러 공간에서 전파가 전달되는 특성을 학습해야 한다. 이를 위해서는 충분한 양의 데이터와 다양한 무선 환경이 필요하다.
연구팀은 도심과 건물이 밀집한 대도시, 교외 지역 등의 특성을 반영해 총 10만 개의 가상 무선 환경을 구축했다. 각 환경에는 건물의 형태와 재질, 기지국과 단말의 위치, 전파가 주변 구조물에 반사되거나 통과하는 경로 등을 담았다. 이를 통해 AI가 통신 신호의 전달 특성과 주변 환경의 관계를 함께 학습할 수 있도록 설계했다.
데이터 생성에는 실제 공간에서 전파가 전달되는 과정을 컴퓨터로 재현하는 엔비디아의 시뮬레이션 도구 ‘Sionna RT’를 활용했다. 연구팀은 각 가상 환경에 기지국 위치 32개와 단말 위치 1만 6,384개를 설정하고, 3.5GHz와 7GHz의 두 주파수 대역에서 전파 전달 특성을 계산했다. 그 결과 약 524억 개의 기지국·단말 위치 조합에 대한 데이터를 구축했으며, 두 주파수 대역을 합쳐 약 1,049억 건의 전파 전달 특성을 계산했다.
기존 무선 데이터셋은 일부 장소에서 수집한 데이터를 중심으로 구성된 경우가 많아, AI 모델이 학습하지 않은 새로운 환경에서도 성능을 유지하는지 평가하는 데 한계가 있었다. 반면 Channels4World는 다양한 가상 환경에서 여러 기지국과 단말 간 전파 전달 정보를 확보해 무선 파운데이션 모델의 사전학습뿐 아니라 새로운 환경에 대한 적응 능력을 평가하는 데 활용할 수 있다.
[그림. 무선 파운데이션 모델 개발을 위한 ‘Channels4World’ 데이터셋]
연구팀은 첨단융합공학부 장준규 연구원이 개발을 주도한 데이터셋을 AI 모델·데이터 공유 플랫폼인 허깅페이스(Hugging Face)에 공개하고, 전용 홈페이지도 개설했다. 연구자들은 연구 목적과 컴퓨팅 자원에 따라 필요한 데이터와 구성 요소를 선택해 활용할 수 있다. 엔비디아의 Sionna 홈페이지에도 Channels4World가 소개돼 전 세계 통신 및 AI 연구자들이 관련 자료에 접근할 수 있도록 했다.
이번 데이터 공개는 연구팀이 앞서 개발한 무선 파운데이션 모델 ‘Channel2World’ 연구와도 연결된다. 문형주 박사(현 DGIST 전기전자컴퓨터공학과 조교수)가 주도한 해당 연구는 국제학술지 ‘IEEE Journal of Selected Topics in Signal Processing’에 공개된 바 있다.
Channel2World는 여러 위치에서 관측한 무선 채널 정보를 종합해 주변 전파 환경의 공통 특성을 학습하는 AI 모델이다. 단말 위치 추정과 채널 상태 정보 복원, 전파 관측에 기반한 주변 구조 추정 등 다양한 통신 작업에서 활용 가능성을 제시했다.
Channels4World가 무선 AI 학습에 필요한 대규모 데이터를 제공하는 데 초점을 맞췄다면, Channel2World는 학습한 전파 환경 정보를 다양한 통신 작업에 활용하는 모델이다. 두 연구는 대규모 데이터 구축과 AI 모델 개발을 연계했다는 점에서 의미가 있다.
이번 공동연구는 우리 대학교와 엔비디아가 구축한 대규모 무선 연구 데이터를 국내외 연구자들과 공유해 관련 연구의 접근성을 높였다는 점에서도 주목된다. 연구자들이 직접 방대한 데이터를 구축해야 하는 부담을 줄이는 한편, 동일한 데이터를 바탕으로 AI 모델의 성능을 비교하거나 후속 연구를 수행하는 데 활용될 것으로 기대된다.
Channels4World는 지난 11월 9일(월)부터 10일(화)까지 서울에서 열린 ‘AI-RAN Summit 2026’과 11월 11일(수)부터 13일(금)까지 우리 대학교에서 개최된 ‘AI-RAN Alliance 정기 총회’에서 공개됐다. 이번 데이터셋에 관한 연구 성과는 국제학술지 ‘IEEE Transactions on Communications’에 초청 논문으로 게재될 예정이다.
이번 연구는 정보통신기획평가원(IITP)의 지원을 받아 수행됐으며, 데이터셋의 구성과 활용 방법은 Channels4World 공식 홈페이지에서 확인할 수 있다.