Physics-Guided Multi-Modal Artificial Intelligence Framework for Joint Antenna Optimisation and Channel State Information Prediction in 6G Integrated Sensing and Communication Systems

차세대 무선 네트워크는 데이터가 즉각적으로 느껴질 만큼 빠른 속도로 이동하고, 단일 평방킬로미터 내에 수백만 개의 장치가 속도 저하 없이 연결되는 세상을 약속합니다. 이를 달기 위해 엔지니어들은 훨씬 더 높은 주파수, 구체적으로는 방대한 양의 정보를 실어 나를 수 있는 28GHz 대역 주변의 주파수로 이동하고 있습니다. 그러나 이러한 고주파는 오늘 우리가 사용하는 신호와 다르게 작동합니다. 건물에 의해 쉽게 차단되며 사람들이 움직임에 따라 급격하게 변합니다. 이러한 네트워크를 작동시키기 위해 기지국은 때때로 100개가 넘는 개별 소자를 포함하는 거대한 안테나 배열을 사용해야 하며, 신호가 공중을 통해 어떻게 이동할지를 끊임없이 예측해야 합니다. 이 예측은 환경이 혼돈스럽고 신호를 정확히 맞추기 위한 시간적 창이 매우 짧기 때문에 어렵습니다. 만약 시스템이 신호의 미래 경로를 정확하게 추측하지 못하면, 연결이 실패하거나 속도가 느려져 귀중한 에너지와 대역폭을 낭비하게 됩니다.

한 연구팀은 세 가지 별개의 작업을 하나의 지능형 시스템으로 결합함으로써 이 문제를 해결하는 새로운 방법을 제안했습니다. 안테나 설계, 신호 경로 예측, 그리고 환경 감지를 별개의 작업으로 취급하는 대신, 그들은 이 세 가지를 동시에 학습하는 프레임워크를 만들었습니다. '물리 가이드형 멀티모달 인공지능 프레임워크'라고 불리는 이 접근 방식은 레이더 감지와 고급 머신러닝을 결합하여 이전 방법들보다 물리적 세계를 더 잘 이해합니다. 연구진은 번화한 도시 환경에서 28GHz 대역에서 작동하는 128개의 안테나를 가진 기지국을 시뮬레이션했습니다. 그들은 환경 내 객체의 위치와 속도에 대한 실시간 데이터를 시스템에 입력함으로써, AI가 과거의 신호 데이터만을 살펴보는 시스템보다 훨씬 더 높은 정확도로 신호 경로를 예측할 수 있다는 것을 발견했습니다.

이 새로운 시스템의 핵심은 서로 다른 유형의 인공지능 간의 영리한 역할 분담에 달려 있습니다. 먼저, 레이더 센서가 영역을 스캔하여 자동차나 건물처럼 전파를 반사하는 물체인 산란체(scatterers)의 지도를 만듭니다. 이 센서는 이러한 물체들이 얼마나 멀리 있는지와 얼마나 빨리 움직이는지를 측정합니다. 이 정보는 물리적 환경 지도를 시스템이 이해할 수 있는 형식으로 변환하는 가교 역할을 하는 신경망으로 전달됩니다. 동시에, 시스템의 또 다른 부분은 신호의 이력을 살펴보며 과거에 신호가 어떻게 행동했는지 확인합니다. 프레임워크는 레이드로부터 얻은 물리적 지도와 역사적 신호 데이터를 융합하며, 이 과정에서 시스템이 가장 관련 있는 세부 사항에 집중할 수 있게 하는 메커니즘을 사용합니다. 이러한 융합을 통해 시스템은 사용자가 고속으로 이동하는 상황에서도 높은 정밀도로 신호의 미래 상태를 예측할 수 있습니다.

이 연구의 결정적인 혁신은 안테나 배열 자체의 물리적 설계를 처리하는 방식에 있습니다. 전통적인 설계에서 엔지니어들은 종-종 각 안테나 소자를 독립적인 단위로 취급하지만, 실제로 안테나들이 밀집해 있을 때는 서로 간섭을 일으킵니다. 상호 결합(mutual coupling)이라고 알려진 이 간섭은 신호를 왜곡하고 성능을 저하시킬 수 있습니다. 연구진은 각 안테나를 노드로 하고 물리적 거리가 서로에게 미치는 영향력을 결정하는 연결된 그래프로 안테나 배열을 모델링함으로써 이 문제를 해결했습니다. 이 모델은 물리 법칙을 준수하며, 이를 통해 인공지능이 매우 가까이 배치된 두 안테나가 멀리 떨어진 안테나보다 더 강하게 상호작용한다는 점을 이해하도록 보장합니다. 이러한 물리적 지식을 학습 과정에 직접 내장함으로써, 시스템은 이러한 상호작용을 무시하는 방법보다 훨씬 더 빠르고 효과적으로 안테나 구성을 최적화할 수 있습니다.

시뮬레이션 결과는 이 통합된 접근 방식이 기존 방법보다 상당한 개선을 제공함을 보여줍니다. 400MHz 대역폭을 가진 시뮬레이션된 도시 환경에서 테스트했을 때, 새로운 프레임워크는 표준 기술에 비해 신호 경로 예측 오차를 상당한 수준으로 줄였습니다. 구체적으로, 이 시스템은 연결을 확인하기 위해 보내는 테스트 메시지인 파일럿 신호(pilot signals)를 훨씬 적게 사용하면서도 높은 정확도를 달els 달성했습니다. 시뮬레이션에서 이 시스템은 파일럿 신호를 위해 대역폭의 38%만을 필요로 했던 반면, 기존 방식은 거의 전체 대역폭을 이 작업에 할당해야 했습니다. 이러한 감소는 실제 데이터 전송을 위한 엄청난 양의 용량을 확보해주며, 결과적으로 네트워크의 속도와 효율성을 효과적으로 높입니다.

나아가, 시스템은 데이터 흐름을 극대화하기 위해 안테나 배치 자체를 최적화하는 능력을 보여주었습니다. 강화 학습 에이전트를 사용하여 프레임워크는 요소의 간격과 방향 같은 안테나 배열의 물리적 파라미터를 조정하여 현재 환경에 가장 적합한 구성을 찾아냈습니다. 시뮬레이션에 따르면, 이 학습 에이전트는 전통적인 최적화 알고리즘보다 훨씬 짧은 시간인 단 420회의 반복만으로 최적에 가까운 안테나 설정을 찾을 수 있었습니다. 이 속도는 환경이 빠르게 변화하기 때문에 매우 중요하며, 시스템은 강력한 연결을 유지하기 위해 빠르게 적응해야 합니다. 또한 연구는 사용자가 시속 120km의 속도로 이동하는 상황에서도 시스템이 잘 작동함을 확인했는데, 이는 기존 방식들이 급격한 신호 경로 변화로 인해 어려움을 겪는 시나리오입니다.

연구진은 도시 경관과 상호작용하는 전파의 복잡한 물리학을 모델링한 광범에한 컴퓨터 시뮬레이션을 통해 그 결과를 검증했습니다. 그들은 건물에 신호가 튕겨 나가는 방식과 28GHz 주파수의 특정 특성을 포함한 상세한 도시 환경 모델을 사용했습니다. 시뮬레이션에는 안테나 설계를 자동으로 생성하고 결과를 검증하기 위해 상용 전자기 시뮬레이션 소프트웨어로 실행할 수 있는 파이썬 스크립트가 포함되었습니다. 이러한 자동화를 통해 연구진은 인간의 개입 없이 수천 개의 서로 다른 안테나 구성과 훈련 시나리오를 테스트할 수 있었으며, 이를 통해 결과의 견고함과 재현성을 보장했습니다. 연구는 이 결과가 시뮬레이션에 기반하고 있음을 명시적으로 언급하며, 실제 세계에서의 성능을 확인하기 위해 FPGA(field-programmable gate arrays)와 같은 물리적 하드웨어에서 테스트하는 향후 작업이 필요할 것이라고 밝혔습니다.

시뮬레이션에 의존함에도 불구하고, 이 연구는 6G 네트워크가 어떻게 진화할지에 대한 명확한 로드맵을 제공합니다. 환경 감지와 안테나 설계를 신호 예측과 결합함으로써, 이 프레임워크는 고주파 통신의 근본적인 과제를 해결합니다. 이 연구는 미래의 무선 네트워크가 단순히 더 빠른 프로세서나 더 많은 안테나가 아니라, 주변의 물리적 세계를 이해하고 적응할 수 있는 시스템에 달려 있음을 시사합니다. 레이더 데이터를 사용하여 신호 동작을 예측하고 안테나 기하학을 동시에 최적화하는 능력은 정적인 네트워크 설계에서 동적이고 지능적인 적응으로의 전환을 의미합니다. 현재의 결과는 디지털 영역에 국한되어 있지만, 입증된 원칙들은 초고속, 초저지연 연결이라는 6G의 비전을 실현하기 위한 유망한 경로를 제시합니다.

또한 이 작업은 인공지능 내에서 물리 법칙을 존중하는 것의 중요성을 강조합니다. 전자기학의 알려진 규칙으로 학습 과정을 가이드함으로써, 시스템은 불가능하거나 비효적인 솔루션을 학습하는 것을 피합니다. 이 접근 방식은 AI가 단순히 데이터의 통계적 패턴을 찾는 것이 아니라, 물리적으로 실현 가능한 솔루션을 발견하도록 보장합니다. AI가 파동의 전파 방식과 안테나의 상호작용이라는 현실에 기반할 때, 순수 데이터 기반 방법이 따라올 수 없는 수준의 효율성으로 복잡한 엔지니어링 문제를 해결할 수 있음을 이 연구는 보여줍니다. 이러한 물리와 인공지능 사이의 시너지는 차세대 무선 기술의 도약을 위한 핵심 요소로 보입니다.

결론적으로, 이 연구는 우리의 네트워크가 단순한 데이터의 통로가 아니라 환경의 능동적인 참여자가 되는 미래를 엿보게 해줍니다. 네트워크는 세상을 감지하고, 미래를 예측하며, 정보가 원활하게 흐르도록 스스로를 재구성합니다. 시뮬레이션은 이러한 시스템이 가능할 뿐만 아니라 매우 효과적이며, 차세대 연결성에 필요한 속도와 신뢰성을 제공할 수 있음을 시사합니다. 기술이 시뮬레이션에서 현실로 넘어감에 따라, 감지, 예측, 최적화의 통합은 미래의 무선 인프라를 구축하고 유지하는 표준이 될 것입니다.