본 연구는 파일럿 신호에 기반한 기존 무선 통신 시스템의 근본적인 한계를 극복하기 위해, 인공지능(기계학습) 기반의 홀로그래픽 RIS 기술을 개발하여 zero-pilot을 실현하고 궁극적으로 채널 용량 효율성을 극대화한다. 나아가 개발한 RIS 기술의 효율성 검증을 위해 AIRS 기반의 SLS를 구축하여 개발한 기술의 구현 가능성 및 신뢰성을 검증한다. (1) 1차년도(2021.03-2022.02): 메타러닝 기반의 RIS 기술 개발 - 파일럿 기반의 현존 무선 통신 시스템(5G NR) 분석 및 메타러닝 적용 방안 연구 - 파일럿 수에 따른 메타러닝 성능 도출 및 성능 최적화 - 메타러닝 알고리즘의 제한된 파일럿 신호에 따른 학습 수렴도(convergence proof) 수학적 분석수행 - 온라인 메타러닝 Online Meta-learning: 오프라인 학습 기반의 ‘선 학습 후 적용’을 수행하지 않고, 실시간으로 수신되는 파일럿 신호를 통해 실시간으로 학습을 수행하고 알고리즘을 적용하는 방법 적용 및 성능 최적화 (2) 2차년도(2022.03-2023.02): 홀로그래픽 RIS 기술 개발 - 홀로그래픽 기술 적용을 위해 RIS 기반 통신 시스템에 적합한 비춤 신호(Illuminating wave)와 기준 신호(Reference wave)를 정의 - 다양한 무선 채널 환경에 따라 단말/기지국의 비춤 신호 변화 특성 분석 - 무선 채널에 따라 변화된 비춤 신호와 기준 신호의 홀로그래픽 레코딩 특성 분석 - 기준 신호의 입사에 따라 RIS의 홀로그래픽 레코딩에 의한 재구성 신호(Reconstructed wave)특성 분석 - 데이터 신호를 통한 비춤 신호와 기준 신호 재구성 및 홀로그래픽 RIS 기술 최적화 (zero-pilot 구현) (3) 3차년도(2023.03-2024.02): 인공지능(기계학습)을 통한 홀로그래픽 RIS 운용 최적화 (AIRS 개발) - 메타러닝 및 홀로그래픽 기반 RIS 기술의 최적 빔 형성 알고리즘 연구 - 기지국에서의 능동형 빔포밍 (Active beamforming) 및 RIS에서의 수동형 빔포밍 (Passive beamforming) 기술 최적화 - 기계학습을 통한 사용자-RIS 할당 알고리즘 개발 - OFDMA 기반 주파수-시간 자원관리 및 사용자-RIS 스케쥴링 동시 최적화 (4) 4차년도(2024.03-2025.02): RIS 기반 LLS 및 SLS 구축 - 무선 통신 신호가 RIS를 통해 반사되는 시나리오에 대한 LLS 구축 (BLER 기반 MCS 테이블 도출) - 건축물 표면이 모두 RIS로 동작하는 환경을 고려하고 실제 도심지를 모델링(e.g., 순천향대학교 캠퍼스, 광화문 등)하여 실험 환경 구축 - 구성된 실험 환경과 LLS 결과를 통해 SLS 구축 및 성능 검증 (5) 5차년도(2025.03-2026.02): AIRS 시스템 구축 및 LLS/SLS를 통한 연구 결과물 최종 검증 - 메타러닝 및 홀로그래픽 기반의 RIS 기술을 적용한 LLS 및 SLS 성능 도출 - AIRS 기술 및 요소기술의 LLS/SLS 적용 및 성능 검증 - 기계학습 기반 SLS 시뮬레이터의 코드 최적화 - SLS를 통한 최종 연구 결과 성능 검증

본 연구는 파일럿 신호에 기반한 기존 무선 통신 시스템의 근본적인 한계를 극복하기 위해, 인공지능(기계학습) 기반의 홀로그래픽 RIS 기술을 개발하여 zero-pilot을 실현하고 궁극적으로 채널 용량 효율성을 극대화한다. 나아가 개발한 RIS 기술의 효율성 검증을 위해 AIRS 기반의 SLS를 구축하여 개발한 기술의 구현 가능성 및 신뢰성을 검증한다. (1) 1차년도(2021.03-2022.02): 메타러닝 기반의 RIS 기술 개발 - 파일럿 기반의 현존 무선 통신 시스템(5G NR) 분석 및 메타러닝 적용 방안 연구 - 파일럿 수에 따른 메타러닝 성능 도출 및 성능 최적화 - 메타러닝 알고리즘의 제한된 파일럿 신호에 따른 학습 수렴도(convergence proof) 수학적 분석 수행 - 온라인 메타러닝 Online Meta-learning: 오프라인 학습 기반의 ‘선 학습 후 적용’을 수행하지 않고, 실시간으로 수신되는 파일럿 신호를 통해 실시간으로 학습을 수행하고 알고리즘을 적용하는 방법 적용 및 성능 최적화 (2) 2차년도(2022.03-2023.02): 홀로그래픽 RIS 기술 개발 - 홀로그래픽 기술 적용을 위해 RIS 기반 통신 시스템에 적합한 비춤 신호(Illuminating wave)와 기준 신호(Reference wave)를 정의 - 다양한 무선 채널 환경에 따라 단말/기지국의 비춤 신호 변화 특성 분석 - 무선 채널에 따라 변화된 비춤 신호와 기준 신호의 홀로그래픽 레코딩 특성 분석 - 기준 신호의 입사에 따라 RIS의 홀로그래픽 레코딩에 의한 재구성 신호(Reconstructed wave) 특성 분석 - 데이터 신호를 통한 비춤 신호와 기준 신호 재구성 및 홀로그래픽 RIS 기술 최적화 (zero-pilot 구현) (3) 3차년도(2023.03-2024.02): 인공지능(기계학습)을 통한 홀로그래픽 RIS 운용 최적화 (AIRS 개발) - 메타러닝 및 홀로그래픽 기반 RIS 기술의 최적 빔 형성 알고리즘 연구 - 기지국에서의 능동형 빔포밍 (Active beamforming) 및 RIS에서의 수동형 빔포밍 (Passive beamforming) 기술 최적화 - 기계학습을 통한 사용자-RIS 할당 알고리즘 개발 - OFDMA 기반 주파수-시간 자원관리 및 사용자-RIS 스케쥴링 동시 최적화 (4) 4차년도(2024.03-2025.02): RIS 기반 LLS 및 SLS 구축 - 무선 통신 신호가 RIS를 통해 반사되는 시나리오에 대한 LLS 구축 (BLER 기반 MCS 테이블 도출) - 건축물 표면이 모두 RIS로 동작하는 환경을 고려하고 실제 도심지를 모델링(e.g., 순천향대학교 캠퍼스, 광화문 등)하여 실험 환경 구축 - 구성된 실험 환경과 LLS 결과를 통해 SLS 구축 및 성능 검증 (5) 5차년도(2025.03-2026.02): AIRS 시스템 구축 및 LLS/SLS를 통한 연구 결과물 최종 검증 - 메타러닝 및 홀로그래픽 기반의 RIS 기술을 적용한 LLS 및 SLS 성능 도출 - AIRS 기술 및 요소기술의 LLS/SLS 적용 및 성능 검증 - 기계학습 기반 SLS 시뮬레이터의 코드 최적화 - SLS를 통한 최종 연구 결과 성능 검증

[데이터이관 글자수 검증으로 인한 추가 텍스트 입력][데이터이관 글자수 검증