6G 네트워크에서 채널 부호화의 극도로 높은 신뢰성을 보장하는 것은 필수적이다. 6G 네트워크 내 차세대 초신뢰·저지연 통신(xURLLC) 시나리오에서는 프레임 오류율(FER)이 10^-9보다 낮아야 한다. 그러나 5G NR(5G New Radio)의 표준인 저밀도 패리티 검사(LDPC) 코드는 이러한 낮은 프레임 오류율 달성을 저해하는 오류 바닥(error floor) 현상이라는 과제에 직면해 있다. 이 문제를 해결하기 위해, 우리는 혁신적인 해결책으로 부스티드 신경 min-sum(NMS) 디코더를 제안한다. 이 디코더는 기존의 NMS 디코더와 동일하게 동작하지만, 다음과 같은 새로운 학습 방법들로 학습된다: i) 정정되지 않은 벡터로 부스팅 학습을 수행하고, ii) 소실 기울기(vanishing gradient) 문제를 해결하기 위한 블록 단위 학습 스케줄을 적용하며, iii) 학습 가능한 가중치 수를 최소화하기 위한 동적 가중치 공유를 수행하고, iv) 필요한 샘플 수를 줄이기 위한 전이 학습을 적용하며, v) 샘플링 과정을 가속하기 위한 데이터 증강을 수행한다. 이러한 학습 전략을 활용함으로써, 부스티드 NMS 디코더는 오류 바닥 감소에서뿐만 아니라 워터폴(waterfall) 성능에서도 최신 수준의 성능을 달성한다. 특히, 우리는 중증의 오류 바닥 없이 5G LDPC 코드에 대해 6G xURLLC 요구사항을 충족한다. 또한, 부스티드 NMS 디코더는 가중치를 학습한 이후에는 추가 모듈 없이 디코딩을 수행할 수 있어, 즉시 적용이 가능한 높은 실용성을 지닌다. 소스 코드는 https://github.com/ghy1228/LDPC_Error_Floor에서 제공된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.