Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2024.10a
  • /
  • Pages.1107-1108
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지

Implementation of 5G/6G Channel Decoder based on Graph Neural Networks

그래프 신경망 기반 5G/6G 채널 복호기 구현

  • Younghyeon Kim (Dept. of Software Engineering, Chonnam National University) ;
  • Hyeok Joo (Dept. of Software Engineering, Chonnam National University) ;
  • Eunsoo Kim (Dept. of Software Engineering, Chonnam National University) ;
  • Yongho Ahn (Dept. of Software Engineering, Chonnam National University) ;
  • Hyeong jeong Yang (Dept. of AI Convergence, Chonnam National University)
  • 김영현 (전남대학교 소프트웨어공학과 ) ;
  • 주혁 (전남대학교 소프트웨어공학과 ) ;
  • 김은수 (전남대학교 소프트웨어공학과 ) ;
  • 안용호 (전남대학교 소프트웨어공학과 ) ;
  • 양형정 (전남대학교 인공지능융합학과)
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

4차 산업혁명 시대에 AI 기술의 발전과 함께, 고속 데이터 전송을 위한 6G의 필요성이 대두되고 있으며, 이는 다양한 산업 분야에 큰 영향을 미칠 것으로 기대된다. 그러나 현재의 채널 디코딩 방식인 LDPC 및 BCH 코드 알고리즘은 복잡한 연산으로 인해 실시간 통신에 지연을 초래할 수 있다. GNN은 노드 간의 복잡한 관계를 효과적으로 학습할 수 있어, 통신 채널 특성을 이해하고 예측하는데 유리하다. 본 연구에서는 6G 통신 기술에 접목하기 위해, 기존 디코딩 방식보다 처리속도가 빠르고 비트 오류율이 낮은 그래프 신경망 기반 채널 디코딩 모델 개발을 목표로 한다.

Keywords

Acknowledgement

본 과제(결과물)는 교육부와 한국연구재단의 재원으로 지원을 받아 수행된 첨단분야 혁신융합대학사업의 연구결과입니다. 본 연구는 과학기술정보통신부 및 정보통신기획평가원의 소프트웨어중심대학사업, 인공지능융합혁신인재양성사업, 대학ICT연구센터사업의 연구결과로 수행되었습니다. (2021-0-01409, 2023-00256629, 2024-00437718) 본 연구는 과학기술정보통신부 및 정보통신기획평가원의 인공지능융합혁신인재양성사업 연구 결과로 수행되었음(IITP-2023-RS-2023-00256629) 본 연구는 과학기술정보통신부 및 정보통신기획평가원의 지능화혁신인재양성사업 연구 결과로 수행되었음(IITP-2023-RS-2022-00156287) 본 연구는 과학기술정보통신부 및 정보통신기획평가원의 대학ICT연구센터사업 연구 결과로 수행되었음(IITP-2024-RS-2024-00437718)

References

  1. Cammerer, S., Hoydis, J., Ait Aoudia, F., & Keller, A. (2022). "Graph Neural Networks for Channel Decoding," arXiv preprint arXiv:2207.14563
  2. T. Gruber, S. Cammerer, J. Hoydis, and S. ten Brink. (2017). "On deep learning-based channel decoding,", 2017 51st Annual Conference on Information Sciences and Systems (CISS), IEEE, 2017. doi: 10.1109/CISS.2017.7926071.