6G FR3을 위한 대규모 AI CSI 압축

6G FR3 대역(7.125–24.25 GHz)에서는 수백 개 안테나 포트를 갖춘 X-MIMO(256포트 등)가 필요하며, 이로 인해 CSI 피드백이 주요 병목으로 부상한다. 기존 코드북 방식은 이 규모의 광대역 채널로 확장하기 어렵고, AI 오토인코더를 처음부터 훈련하면 극단적 압축 환경에서 불안정해진다.

삼성리서치는 이를 해결하기 위해 2단계 훈련 방법을 제안한다.

• 1단계 – HTL-PC(계층적 전이학습 + 점진적 압축): 압축률을 단계적으로 높이며 각 단계의 지식을 다음 단계로 전이해 심층 디코더를 안정적으로 훈련.
• 2단계 – DGET(디코더 가이드 인코더 훈련): HTL-PC로 훈련된 심층 디코더를 고정한 뒤, 1-레이어 초경량 인코더만 별도로 훈련해 디코더가 이미 이해하는 잠재 표현을 생성하도록 유도.

결과적으로 DGET 훈련 1-레이어 인코더는 eType II 코드북 대비 SGCS 약 18% 향상을 달성하며, 7-레이어 인코더 대비 정확도 손실은 3.5–7.2%에 불과하면서 UE 측 연산량은 82–84% 절감된다.

각도 도메인 분석에서는 1-레이어 인코더도 주요 빔 방향의 에너지를 충분히 포착함을 확인했다. 또한 합성 데이터만으로 훈련된 모델을 추가 파인튜닝 없이 실환경 OTA 테스트에 적용해 유효성을 검증했으며, 이 연구는 3GPP Release 20 AI 기반 CSI 피드백 표준화와 직접 연계된다.