6G 네트워크를 위한 채널 부호화는 이질적인 통신 시나리오에서 비롯되는 광범위한 요구사항을 지원할 것으로 기대된다. 이러한 요구는 차세대 시스템에 필요한 유연성과 확장성을 갖추지 못한 기존의 부호 전용(decoder) 디코더에 도전한다. 본 문제를 해결하기 위해, 변환기(transformer) 아키텍처를 기반으로 통합적이고 부호 비의존(code-agnostic)적인 디코딩을 위한 AI 네이티브 기초(foundation) 모델을 제안한다. 먼저, 교차-어텐션 메시지 패싱 트랜스포머(CrossMPT)를 소개한다. CrossMPT는 두 개의 마스크된(masked) 교차-어텐션 블록을 사용하며, 두 개의 서로 다른 입력 표현—크기(magnitude) 및 시드롬(syndrome) 벡터—을 반복적으로 갱신함으로써 모델이 디코딩 문제를 효과적으로 학습할 수 있게 한다. 특히, 본 연구의 CrossMPT는 단일 신경 디코더(single neural decoder)들 가운데 최첨단의 디코딩 성능을 달성하였다. 이를 바탕으로, 우리는 코드 길이, 부호율(rate), 클래스에 대해 아키텍처를 불변(invariant)하도록 하여 하나의 학습된 모델이 재학습 없이도 다양한 부호의 폭넓은 범위를 디코딩할 수 있게 하는 기초 CrossMPT(FCrossMPT)를 개발한다. 또한 디코딩 성능, 특히 짧은 블록길이(short blocklength) 부호에서의 성능을 더 향상시키기 위해, 서로 다른 패리티-체크 행렬을 사용하는 여러 병렬 CrossMPT 블록으로 구성된 앙상블 디코더인 CrossMPT 앙상블 디코더(CrossED)를 제안한다. 이러한 아키텍처는 다양한 부호 유형에 걸친 강력한 일반화(generalization)를 보이는 기초 모델로서의 역할도 수행할 수 있다. 종합하면, 제안된 AI 네이티브 부호 비의존 디코더는 유연성, 확장성 및 높은 성능을 제공하며, 6G 네트워크를 위한 채널 부호화 분야의 유망한 방향을 제시한다.

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