특허 개요
본 특허는 무선 채널 상태를 학습해 자원 간 연결을 정하는 머신러닝 기반 자원 할당 기술입니다. 입력 행렬 H를 벡터화한 뒤 DNN이 출력 행렬 A를 생성하고, 마지막 단계에서 변형 Sinkhorn 연산 S(τA)을 제한 횟수로 수행해 이중 확률 행렬을 거쳐 치환 행렬형 자원 할당 행렬 X를 도출합니다. 이 과정은 경사가 없는 이산 선택 문제를 미분 가능한 연속 완화로 연결하며, 동일 규모와 서로 다른 규모의 자원 집합 간 매칭을 모두 처리하도록 구성됩니다.
- 핵심 기능
무선 전파 환경 또는 연결 상태를 나타내는 입력 행렬 H를 DNN으로 처리해 자원 간 매칭 후보인 출력 행렬 A를 생성합니다. 근사화 상수 τ가 적용된 변형 Sinkhorn 연산으로 행·열 정규화를 반복해 치환 행렬형 X를 얻고, 이를 바탕으로 제1 타입 자원을 제2 타입 자원에 할당합니다.
- 차별 강점
헝가리안 알고리즘은 반복 계산 부담이 크고, 혼합정수계획 솔버는 적용 가능한 목적함수 조건에 제약이 있으며, 지도학습 방식은 학습데이터와 후처리가 필요할 수 있습니다. 본 기술은 제한 반복의 변형 Sinkhorn 활성함수로 치환 행렬을 직접 도출하도록 설계해, 비지도학습 기반의 비볼록 할당 문제와 비대칭 자원 매칭까지 다룰 수 있도록 한 점이 차별점입니다.
- 활용 범위
기술·연구 측면에서는 기지국-단말 매칭, 송신전력·전체 레이트 공동 최적화, 시간·주파수·코드 자원 할당, D2D·V2X·사이드링크 통신에 활용 가능하며, 비볼록 비용함수를 갖는 일반 자원 할당 문제로 확장할 수 있습니다. 사업 측면에서는 기지국 장비, 모뎀 칩, 무선 접속 제어 소프트웨어, 통신망 최적화 솔루션과 차세대 이동통신 인프라 개발에 적용할 수 있습니다.
연구 개발 단계
선형합 할당과 이종 네트워크의 단말 할당·송신파워 최적화를 대상으로 지도학습, 헝가리안 알고리즘, 주요화-최소화 알고리즘과 비교 시뮬레이션을 수행했습니다. 실제 무선망의 채널·트래픽 변화에서의 실시간 추론, 대규모 기지국·단말 환경 확장성, 모델 학습 재현성 및 상용 장비 통합은 문서에서 검증되지 않았습니다.
- 검증 시나리오: 선형합 할당, 이종 네트워크 단말 할당 및 송신파워 최적화
- 비교 기법: 지도학습, 헝가리안 알고리즘, 주요화-최소화(MM) 알고리즘
- 시뮬레이션 조건: 단일 안테나 N개 기지국·N개 단말, 매크로셀 반경 1km, 스몰셀 거리 500m, 노이즈 파워 -114dBm, CPU 시간은 10000개 샘플 기준
현재 성과
제안 방식은 선형합 할당에서 최적해 대비 비용함수 평균 성능 열화를 제시했습니다. 동일 조건의 지도학습 비교 결과보다 낮은 열화 수치가 보고되어, 할당 품질 측면의 개선 가능성을 확인했습니다.
선형합 할당과 이종 네트워크 단말 할당·송신파워 최적화 시나리오에서 기존 기법과 비교했습니다. CPU 계산 시간은 10000개 샘플을 기준으로 측정했으며, 매크로셀·스몰셀 환경과 노이즈 파워 조건을 포함한 시뮬레이션으로 평가했습니다.
기존 Sinkhorn 연산은 이중 확률 행렬을 가장 가까운 치환 행렬로 투사하는 방식인 반면, 본 기술은 DNN 출력에 근사화 상수 τ를 적용한 제한 반복 연산으로 치환 행렬형 할당 행렬을 직접 얻도록 구성합니다. 비대칭 할당에서도 더미값 입력 없이 출력 행렬의 일부 열을 제외하는 방식으로 매칭을 처리하는 점이 차별 요소입니다.
상용화까지 남은 부분
실제 무선망의 채널·트래픽 변화 조건에서 실시간 추론 성능 및 자원 할당 품질 실증
대규모 기지국·단말 수로 확장했을 때의 계산 지연, 메모리 사용량 및 안정성 검증
학습 데이터 구성·모델 갱신 절차의 재현성과 기지국·모뎀 등 상용 장비 연동 검증
기술 이전 형태·도입 과정
도입은 이렇게 진행됩니다.
검토 미팅
귀사 상황·데이터 구조 기준으로 적합성을 논의합니다. 자료 검토만으로 끝나도 됩니다.
PoC 공동 검증
연구팀 동행 하에 귀사 데이터 기준 재학습·성능을 확인합니다.
라이센싱 계약
PoC 결과를 기반으로 희망 형태(실시권·공동연구 등)를 협의합니다.
기술지도·후속
도입 초기 기술지도, 필요 시 후속 공동연구·정부과제 연계까지 진행합니다.
특허 정보
무선 통신 시스템에서 머신 러닝 기반 자원 할당 방법 및 장치
10-2022-0000235 (2022.01.03)
1020230105094 (2023.07.11)
1028032100000 (2025.04.28)
이인규, 김민석, 이홍주
고려대학교 산학협력단
고려대학교 산학협력단