AI 기반 차세대 무선 채널 모델링을 위한 NYUSIM 파이썬 구현 로드맵

초록

NYU WIRELESS가 개발한 NYUSIM을 MATLAB에서 파이썬으로 전환하고, 6 GHz와 16.95 GHz 대역의 최신 측정 데이터를 반영한 통계 모델을 추가하였다. 새로운 3D 안테나 포맷(Ant3D)과 통합 난수 제어를 통해 AI 학습용 대규모 데이터 생성이 가능하도록 설계했으며, Kolmogorov‑Smirnov 검정·모멘트 분석·엔드‑투‑엔드 테스트로 기존 MATLAB 버전과 통계적 일관성을 검증하였다.

상세 분석

NYUSIM은 28 ~ 142 GHz 실외·실내 측정에 기반한 스페이스‑타임 채널 통계 모델을 제공해 왔으며, 6G 연구에 필요한 상위 미드밴드(6.75 GHz, FR1(C) 및 16.95 GHz, FR3)까지 확장된 것이 핵심 기여이다. 파이썬 이식 과정에서 가장 큰 도전은 MATLAB의 난수 시드와 동일한 재현성을 확보하는 것이었으며, 이를 위해 난수 생성기를 모듈화하고 전역 시드 관리 체계를 도입했다. 또한, 기존 2D 안테나 패턴 정의 방식을 넘어 Ant3D라는 전구면(Full‑Sphere) 포맷을 설계했는데, 이는 정규화된 θ, φ 좌표와 복소 전계값을 CSV 혹은 HDF5 형태로 저장해 다양한 시뮬레이터와 직접 연동할 수 있게 한다.

통계 검증 단계에서는 K‑S 검정을 통해 파이썬과 MATLAB 버전 간 누적분포함수(CDF)의 차이를 0.01 이하로 제한했으며, 1차·2차 모멘트(평균, 분산)와 고차 모멘트(왜도, 첨도)까지 일치함을 확인했다. 특히, 공간 일관성(spatial consistency) 테스트에서는 이동 경로를 따라 생성된 다중 경로 파라미터가 시간에 따라 부드럽게 변하는지를 검증했으며, 파이썬 구현이 MATLAB과 동일한 클러스터 수·지연·각도 분포를 재현함을 보였다.

AI 워크플로와의 통합을 위해 데이터 파이프라인을 설계했는데, 멀티프로세싱·멀티스레딩을 활용해 수천 개의 채널 시뮬레이션을 동시에 생성하고, 결과를 TFRecord 혹은 Parquet 형태로 저장한다. 이렇게 생성된 대규모 데이터셋은 딥러닝 기반 채널 예측 모델, 강화학습 기반 리소스 스케줄링, 그리고 메타러닝을 통한 환경 적응 모델 학습에 바로 활용될 수 있다.

또한, NYUSIM 파이썬 버전은 오픈소스 라이선스로 배포되어 커뮤니티 기여를 장려한다. 사용자 정의 클러스터 파라미터, 안테나 패턴, 그리고 환경 모델(도시, 실내, 차량 등)을 플러그인 형태로 추가할 수 있어, 향후 6G 주파수 대역에 맞는 새로운 측정 데이터가 확보되면 손쉽게 모델을 업데이트할 수 있다. 이러한 설계 철학은 AI‑driven 채널 모델링이 실험‑시뮬레이션 간 격차를 최소화하고, 물리적 일관성을 유지하면서도 데이터 규모를 확장할 수 있게 만든다.