스마트 무선 환경을 위한 RIS 기반 분산 최적화

초록

**
본 장에서는 재구성 가능한 지능형 표면(RIS)의 최신 하드웨어와 비대각(BD) 설계 개념을 소개하고, 두 가지 분산 최적화 프레임워크를 제시한다. 첫 번째는 다중 BD‑RIS가 배치된 다중 사용자 MISO 시스템에서 하이브리드 머신러닝(다중‑브랜치 어텐션 CNN + 파라미터 공유 + 신경진화)으로 실시간 채널‑RIS‑프리코더 매핑을 수행해 거의 최적에 근접하는 합률을 낮은 복잡도로 달성한다. 두 번째는 다셀 와이드밴드 간섭 MISO 방송에서 각 기지국이 하나의 BD‑RIS를 독점 제어하도록 하여, 전송 프리코더와 메타표면의 가변 커패시턴스·스위치 매트릭스를 공동 설계함으로써 기존 대각 RIS 대비 현저한 합률 향상을 보인다.

**

상세 분석

**
이 논문은 RIS 기술을 “스마트 무선 환경(SWE)”이라는 새로운 패러다임의 핵심 인프라로 자리매김한다는 점에서 의미가 크다. 기존 연구가 주로 독립적인 메타‑원소를 가정한 대각형(RIS) 모델에 머물렀다면, 저자는 비대각(Beyond‑Diagonal, BD) RIS를 도입해 메타‑원소 간 동적 결합을 허용한다. 이는 전통적인 위상‑조절만 가능한 구조를 넘어, 복합적인 선형 변환을 구현함으로써 전파 경로의 자유도를 크게 확대한다. 하드웨어 측면에서는 수동, 능동, 하이브리드, 전송형, STAR(RIS) 등 다양한 구현 방식을 정리하고, 특히 전송 라인 모델을 기반으로 한 BD‑RIS의 회로 설계(가변 커패시턴스와 스위치 매트릭스)까지 상세히 설명한다.

첫 번째 분산 설계는 다중 사용자 MISO 시스템을 대상으로 한다. 다중 BD‑RIS가 넓은 영역에 분산 배치된 상황에서, 전통적인 중앙집중형 최적화는 CSI(채널 상태 정보)의 획득·전송 비용이 급증하고 실시간 적용이 어려워진다. 이를 해결하기 위해 저자는 멀티‑브랜치 어텐션 기반 CNN을 여러 RIS와 BS에 각각 배치하고, 파라미터 공유를 통해 모델 크기를 억제한다. 또한 **신경진화(Neuroevolution)**를 활용해 네트워크 구조와 하이퍼파라미터를 자동으로 탐색함으로써, 복잡한 비선형 매핑(채널 → RIS 위상·앰플리튜드 + 프리코더) 문제를 효율적으로 학습한다. 실험 결과는 제안된 분산‑퓨전 프레임워크가 기존 최적화 기반 방법에 비해 1‑2% 수준의 성능 차이만을 보이며, 온라인 연산량이 크게 감소함을 입증한다.

두 번째 설계는 와이드밴드 간섭 MISO 방송을 다루며, 각 셀의 BS가 독립적인 BD‑RIS를 제어한다는 가정 하에 협동 최적화를 수행한다. 여기서는 전송 프리코더와 메타표면의 회로 파라미터(가변 커패시턴스, 스위치 매트릭스)를 동시에 최적화하는 연합 비선형 최적화 문제를 제시한다. 저자는 교대 최적화(Alternating Optimization)와 Lagrangian Dual 방법을 결합해 수렴성을 확보하고, 시뮬레이션을 통해 전통적인 대각 RIS와 비협동 구성에 비해 15‑20% 이상의 합률 향상을 확인한다.

핵심 기여는 다음과 같다.

1. BD‑RIS 하드웨어 모델링을 전송 라인 관점에서 체계화하고, 회로 수준 파라미터까지 최적화 변수에 포함시켰다.
2. 분산‑학습 기반 실시간 매핑을 구현해 대규모 RIS 네트워크에서 중앙집중식 CSI 처리의 병목을 해소하였다.
3. 협동 설계 프레임워크를 제시해 다셀 환경에서 메타표면과 베이스밴드 프리코더 간의 상호작용을 최적화함으로써, 기존 대각 RIS 기반 베이스라인을 크게 능가한다.

제한점 및 향후 과제도 명시된다. 첫째, BD‑RIS의 실제 하드웨어 구현 비용과 전력 소모가 아직 충분히 검증되지 않았다. 둘째, 학습 기반 방법은 훈련 데이터의 품질에 크게 의존하므로, 급격한 환경 변화(예: 이동성 높은 사용자) 시 재학습 비용이 발생할 수 있다. 셋째, 현재 설계는 주로 MISO(단일 안테나 UE) 시나리오에 국한돼 있어, 다중 안테나 UE 혹은 MIMO‑OFDM 시스템으로 확장하는 연구가 필요하다. 마지막으로, 보안 및 프라이버시 관점에서 메타표면 제어 신호가 공격에 노출될 경우 시스템 전체가 취약해질 수 있으므로, 안전한 제어 프로토콜 설계도 중요한 과제로 남는다.

**