커뮤니티
학부NEWS
김중헌 교수, IEEE 최고 IF 저널에 강화학습기반 비지상망 통신 논문 게재
관리자 2026.10.26 Views 32
김중헌 교수가 아주대학교 전자공학과 정소이 교수 연구진, 한국전자통신연구원 연구진, Singapore University of Technology and Design (SUTD)의 Tony Q. S. Quek 교수(IEEE Fellow), 그리고 University of Houston의 Zhu Han 교수(IEEE Fellow)와 함께 IEEE Communications Surveys and Tutorials에 논문을 게재하였다. IEEE Communications Surveys and Tutorials는 현재 Impact Factor (IF)가 50.6로써 IEEE 내 모든 저널과 매거진 중에서 가장 높은 IF를 보유하고 있다.
본 논문은 6세대(6G) 이동통신의 비전은 지상, 공중 및 해상 영역을 통합하여 전 지구적 초연결성(Global Hyperconnectivity)을 실현하는 것을 목표로 한다. 비지상 네트워크(Non-Terrestrial Networks, NTNs)는 이러한 비전을 실현하기 위한 핵심 기술이지만, 높은 이동성, 긴 전파 지연, 제한적인 탑재 컴퓨팅 자원 등 본질적인 문제에 직면해 있다. 이러한 문제를 해결하기 위한 유망한 접근법으로 강화학습(Reinforcement Learning, RL)이 주목받고 있다. 본 논문은 끊김 없는 6G NTN 연결성(Seamless 6G NTN Connectivity)을 구현하기 위한 강화학습 기반 기법들을 종합적으로 다루는 튜토리얼을 제시한다. 이를 위해 다음과 같은 두 가지 관점에서 접근한다. (i) 강화학습이 핸드오버, 빔포밍 및 자원 할당과 같은 NTN의 핵심 문제들을 어떻게 해결할 수 있는지 분석하고, (ii) NTN의 고유한 제약조건이 양자 강화학습(Quantum RL), 그래프 기반 강화학습(Graph-based RL), 연합 강화학습(Federated RL) 등 고도화된 강화학습 기법의 발전을 어떻게 촉진하는지 살펴본다.
더불어 본 논문은 3GPP(Third Generation Partnership Project) 기술보고서 TR 38.811을 기반으로, NTN의 주요 특성을 플랫폼 동역학(Platform Dynamics), 고도에 따른 전파 특성(Altitude-Dependent Propagation), 시스템 설계 제약조건(System Design Constraints), 네트워크 아키텍처(Network Architecture)의 네 가지 범주로 분류하고, 이에 따른 14개의 최적화 과제를 도출한다. 또한, 최신 강화학습 기반 접근법들을 종합적으로 조사하고, 실제 NTN 운영 환경에서 각 기법의 적용 가능성과 적합성을 분석한다.
나아가 다양한 기법의 성능 평가 결과와 향후 연구 방향을 논의하고, 차세대 지능형 NTN 시스템의 발전을 이끌어갈 미해결 연구 문제와 새로운 기술 패러다임을 제시한다. 궁극적으로 본 연구는 이론적 연구와 실제 시스템 구현 사이의 간극을 해소함으로써, 강화학습이 지능적이고 적응적이며 복원력 있는 6G NTN 시스템을 구현하기 위한 핵심 기반 기술임을 제시한다.
논문에 대한 상세한 정보는 다음과 같다.
Soyi Jung, Huiyeon Jang, Seoyeong Park, Junyoung Kim, Jiseok and Jang, In-Sop Cho, Minsu Shin, Tony Q. S. Quek, Zhu Han, and Joongheon Kim, “A Survey on Reinforcement Learning Methods for Seamless Connectivity in 6G Non-Terrestrial Networks: Algorithms and Key Findings,” IEEE Communications Surveys & Tutorials, vol. 28, pp. 7472-7511, October 2026. (DOI: 10.1109/COMST.2026.3740875)
본 논문은 6세대(6G) 이동통신의 비전은 지상, 공중 및 해상 영역을 통합하여 전 지구적 초연결성(Global Hyperconnectivity)을 실현하는 것을 목표로 한다. 비지상 네트워크(Non-Terrestrial Networks, NTNs)는 이러한 비전을 실현하기 위한 핵심 기술이지만, 높은 이동성, 긴 전파 지연, 제한적인 탑재 컴퓨팅 자원 등 본질적인 문제에 직면해 있다. 이러한 문제를 해결하기 위한 유망한 접근법으로 강화학습(Reinforcement Learning, RL)이 주목받고 있다. 본 논문은 끊김 없는 6G NTN 연결성(Seamless 6G NTN Connectivity)을 구현하기 위한 강화학습 기반 기법들을 종합적으로 다루는 튜토리얼을 제시한다. 이를 위해 다음과 같은 두 가지 관점에서 접근한다. (i) 강화학습이 핸드오버, 빔포밍 및 자원 할당과 같은 NTN의 핵심 문제들을 어떻게 해결할 수 있는지 분석하고, (ii) NTN의 고유한 제약조건이 양자 강화학습(Quantum RL), 그래프 기반 강화학습(Graph-based RL), 연합 강화학습(Federated RL) 등 고도화된 강화학습 기법의 발전을 어떻게 촉진하는지 살펴본다.
더불어 본 논문은 3GPP(Third Generation Partnership Project) 기술보고서 TR 38.811을 기반으로, NTN의 주요 특성을 플랫폼 동역학(Platform Dynamics), 고도에 따른 전파 특성(Altitude-Dependent Propagation), 시스템 설계 제약조건(System Design Constraints), 네트워크 아키텍처(Network Architecture)의 네 가지 범주로 분류하고, 이에 따른 14개의 최적화 과제를 도출한다. 또한, 최신 강화학습 기반 접근법들을 종합적으로 조사하고, 실제 NTN 운영 환경에서 각 기법의 적용 가능성과 적합성을 분석한다.
나아가 다양한 기법의 성능 평가 결과와 향후 연구 방향을 논의하고, 차세대 지능형 NTN 시스템의 발전을 이끌어갈 미해결 연구 문제와 새로운 기술 패러다임을 제시한다. 궁극적으로 본 연구는 이론적 연구와 실제 시스템 구현 사이의 간극을 해소함으로써, 강화학습이 지능적이고 적응적이며 복원력 있는 6G NTN 시스템을 구현하기 위한 핵심 기반 기술임을 제시한다.
논문에 대한 상세한 정보는 다음과 같다.
Soyi Jung, Huiyeon Jang, Seoyeong Park, Junyoung Kim, Jiseok and Jang, In-Sop Cho, Minsu Shin, Tony Q. S. Quek, Zhu Han, and Joongheon Kim, “A Survey on Reinforcement Learning Methods for Seamless Connectivity in 6G Non-Terrestrial Networks: Algorithms and Key Findings,” IEEE Communications Surveys & Tutorials, vol. 28, pp. 7472-7511, October 2026. (DOI: 10.1109/COMST.2026.3740875)
첨부파일
다음글
다음글이 없습니다.
02841 서울특별시 성북구 안암로 145 고려대학교 공과대학 공학관 412호TEL : 02-3290-3210, 3211, 3213, 3214, 4592FAX : 02-921-0544
Copyrights ⓒ 2021 KOREA University. All Rights Reserved.
- 관련 사이트