본 논문은 급증하는 이동통신 데이터를 효율적으로 처리하고 예측하는 데 있어 기존 머신러닝 모델의 높은 에너지 소비 문제를 해결하고자, 에너지 효율적인 생체 모방 모델인 SNN(Spiking Neural Networks)과 ESN(Echo State Networks)을 이용한 이동통신 트래픽 예측 연구를 수행했습니다. 바르셀로나 세 지역의 데이터를 사용하여 SNN, ESN, CNN, MLP 모델의 예측 성능과 에너지 소비량을 비교 분석하고, 중앙 집중식 및 분산식(Federated) 환경에서의 성능과 에너지 효율을 평가했습니다. 연구 결과, SNN과 ESN은 기존 모델과 유사한 예측 정확도를 유지하면서 에너지 소비량을 크게 줄일 수 있음을 보였으며, 특히 분산 환경에서의 에너지 효율성이 뛰어남을 확인했습니다. 이는 지속 가능하고 프라이버시를 보호하는 이동통신 트래픽 예측에 생체 모방 모델의 활용 가능성을 제시합니다.
