통신 산업은 현대 네트워크의 복잡성이 증가함에 따라 자율 네트워크 운영으로 전환하고 있습니다. 전통적인 수동 방식과 기본적인 머신러닝은 이러한 정교한 시스템을 자동화하기에 충분하지 않습니다. AI 에이전트는 추론 기능을 제공하지만 방대한 규모의 네트워크 데이터 처리에는 어려움을 겪습니다. 이 격차를 해소하기 위해 그래프 신경망(GNN)이 AI 에이전트와 통합되어 대규모 시공간 및 관계형 데이터를 처리하고 있습니다. 이 조합은 추론 및 실행과 함께 근본 원인 분석 및 용량 계획과 같은 고급 진단을 가능하게 합니다. Google Cloud의 자율 네트워크 운영 프레임워크는 데이터, ML, AI의 세 가지 구성 요소 접근 방식을 사용합니다. 기반은 실시간 네트워크의 동적 그래프 표현인 네트워크 디지털 트윈이며, 확장성과 다중 모델 지원을 위해 Google Cloud의 Spanner Graph에 호스팅됩니다. ML 계층은 GNN 수명 주기를 관리하기 위한 오픈 소스 Python 라이브러리인 Distributed Graph Flow(DGF)를 활용하여 예측 통찰력을 가능하게 합니다. DGF는 GNN 모델 개발을 단순화하여 이상 감지, 근본 원인 분석 및 예측 유지 보수와 같은 애플리케이션을 가능하게 합니다. 또한 네트워크 변경 및 그 영향을 시뮬레이션하여 "what-if" 분석을 용이하게 합니다. 5단계 프로세스는 디지털 트윈에 연결하고, 예측 모델을 훈련하고, 실시간 추론을 위해 배포하는 과정을 포함하여 DGF 및 GNN을 사용하여 근본 원인 분석을 구현하는 과정을 설명합니다. GNN 기반의 이러한 발전은 더 짧은 장애 시간, 최적화된 용량 및 개선된 고객 경험을 약속합니다.