PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2511.20305v2cs.NI

RIS 지원 다운링크 핀칭-안테나 시스템: GNN 기반 최적화 접근법

RIS-Assisted Downlink Pinching-Antenna Systems: GNN-Enabled Optimization Approaches

본 논문은 등장하고 있는 PASS와 RIS의 통합이 무선 통신에 미치는 영향이 알려지지 않은 점에 착안하여, 다중 사용자 다운링크 정보 전송을 위한 재구성 가능한 지능형 표면(RIS) 지원 다중 도파관 핀칭-안테나(PA) 시스템(PASS)을 연구한다. 먼저, PA의 이동 가능 영역, 총 전력 예산, RIS 소자의 조정 가능한 위상에 대한 제약 조건 하에서 합산 전송률(SR) 및 에너지 효율(EE) 최대화 문제를 통합 프레임워크로 공식화한다. 이어서, RIS 지원 PASS의 그래프 구조 토폴로지를 활용하여, 첫 두 단계에서 각각 사용자 위치에 기반한 PA 위치와 복합 채널 조건에 따른 RIS 위상 이동을 학습하고, 최종적으로 빔포밍 벡터를 결정하는 새로운 3단계 그래프 신경망(GNN)을 제안한다. 구체적으로, 제안된 GNN은 비지도 학습을 통해 구현되며, 볼록 최적화와의 통합을 위한 세 가지 구현 전략을 함께 제공함으로써 추론 시간과 해의 최적성 간의 트레이드오프를 제공한다. 제안된 GNN의 효과를 검증하고, 실현 가능한 일반화 능력, 우수한 성능 신뢰성 및 실시간 적용 가능성이라는 고유한 특성을 뒷받침하기 위해 광범위한 수치 결과를 제시한다. 아울러, RIS 지원 PASS에 대한 주요 파라미터의 영향을 제시하고 분석한다.

arXiv:2607.00056v1cs.IT

Active Sensing for RIS-Aided Tracking and Power Control: A Hybrid Neuroevolution and Supervised Learning Approach

재구성 가능한 지능형 표면(RIS)을 활용한 전력 제한 모바일 사용자의 에너지 효율적 추적 문제를 다루며, 이산 RIS 위상 프로파일의 비미분성과 단일 비트 피드백 제약을 극복하기 위해 뉴로에볼루션(neuroevolution)과 지도학습을 결합한 Dual-Agent(DA) 딥러닝 프레임워크를 제안한다. 제안된 방법은 확장 칼만 필터, 파티클 필터, 머신러닝 기반 추적기 및 심층 강화학습(DRL) 기준선을 능가하는 정확하고 강건한 추적 성능을 달성함을 수치 시뮬레이션으로 입증하였다.

arXiv:2606.31334v1cs.AI

Optimization Algorithms for Joint OFDM Waveform Design and RIS Configuration in 6G Networks: From Convex Relaxation to Foundation Models

6G 네트워크에서 OFDM과 재구성 가능 지능형 표면(RIS)을 결합 최적화하는 문제를 다룬 서베이로, 2021~2026년 발표된 78편의 연구를 볼록 완화(convex relaxation), 휴리스틱 탐색, 심층 강화학습, 파운데이션 모델(FM)·확산 생성 AI·양자 최적화 등 4가지 패러다임으로 분류한다. ML 기반 방법(패러다임 III)이 모델 기반 대비 95~99%의 주파수 효율을 유지하면서 추론 속도를 최대 10⁴배 단축함을 문헌 종합으로 보여주며, 표준화된 벤치마크 부재 등 6가지 미해결 과제를 제시한다.