오픈패스넷 고성능 RF 멀티패스 데이터 생성기

본 논문은 인공지능(AI)과 6세대(6G) 무선통신의 융합이 가속화됨에 따라, 물리적 전파 특성을 고해상도로 담은 대규모 RF 데이터셋의 필요성이 급증하고 있음을 지적한다. 기존 CKMImageNet, RadioMapSeer 등은 이미지 기반 혹은 집계된 채널 응답을 제공해 전파 메커니즘을 추상화했지만, 경로‑레벨의 세부 파라미터를 숨김으로써 AI 모델이 실제 환경-채널 관계를 학습하기 어렵게 만든다. 이러한 한계를 극복하고자 저자들은 OpenPathNet이라는 오픈소스 RF 멀티패스 데이터 생성기를 설계·구현하고, 실제 도시 지도 기반 시뮬레이션 데이터를 공개한다. OpenPathNet의 핵심 설계 원칙은 (1) 지리·파라미터 구성 가능성, (2) 물리적 일관성, (3) 재현성이다. 먼저, OpenStreetMap에서 좌표를 추출해 Blender와 연동, 건물·도로·지형을 3D 메쉬로 자동 변환한다. 지리 데이터가 없을 경우 절차적 블록 생성 엔진을 통해 통계적으로 다양한 가상 환경을 만들 수 있다. 이렇게 구축된 씬은 NVIDIA Sionna 레이 트레이싱 엔진에 입력되어, 라인‑오브‑사이트(LoS), 반사, 회절, 산란 등 모든 전파 메커니즘을 고려한 경로 집합을 계산한다. 각 경로는 복소 이득, 도착시간(ToA), 방위각·고도각(AoA/AoD), 전파 유형 등 물리적 속성을 포함한다. 파이프라인은 크게 네 단계로 나뉜다. ① **환경 모델링** – GIS 데이터와 절차적 생성으로 3D 씬을 만든다. ② **전처리** – Mitsuba 가속 구조를 이용해 건물 내부·가시성 차단 지점을 제외하고, 수신 격자를 2D 그리드로 배치한다. ③ **레이트레이싱** – Sionna가 GPU 가속으로 대규모 수신점에 대해 멀티패스를 추출한다. 여기서는 동적 연산 전략을 도입해 배치 처리와 레이 샘플 수 조절을 통해 메모리·시간 제약을 완화한다. ④ **후처리·내보내기** – 가장 강한 N개의 경로(기본 N=5)를 선택하고, 파라미터를 정규화·정형화한다. CSV, Pickle, NumPy(.npy) 등 다양한 포맷으로 저장하며, 시각화 도구도 자동 생성한다. 논문은 기존 데이터셋과의 비교 표를 통해 OpenPathNet이 제공하는 “경로‑레벨 물리 파라미터”, “사용자 정의 시나리오 가능성”, “오픈 소스·파라미터화된 생성 프레임워크”라는 세 가지 차별점을 강조한다. DeepMIMO는 고정된 시나리오만 지원하고, RadioMapSeer와 CKMImageNet은 이미지화 과정에서 정밀도가 손실되며, RadioDiff‑3D와 Sensiverse는 경로 파라미터를 공개하지 않는다. 반면 OpenPathNet은 전체 파이프라인을 공개하고, YAML 파일 하나로 환경·주파수·안테나·수신 격자 등을 자유롭게 바꿀 수 있다. 실험 결과는 뉴욕, 파리 등 실제 도시 지도에서 3 GHz~28 GHz 대역, 다양한 안테나(등방성, 수직 편파 다이폴, MIMO 어레이) 설정으로 수십만 개 샘플을 생성한 사례를 제시한다. 각 샘플은 평균 5~7개의 경로를 포함하며, 복소 이득의 동적 범위와 ToA 분포가 실제 측정과 일치함을 간단히 검증한다. 또한, 생성된 데이터셋을 이용해 Beam Prediction 모델을 학습했을 때, 이미지 기반 데이터셋 대비 12 % 이상의 정확도 향상을 보였다. 한편, 논문은 현재 구현상의 제한점도 언급한다. 레이 트레이싱에 사용된 물질 파라미터와 반사/회절 모델에 대한 검증이 부족하고, 약한 경로를 필터링하는 정책이 연구 목적에 따라 조정될 필요가 있다. 대규모 클라우드 환경에서의 데이터 스트리밍·인덱싱 전략이 제시되지 않았으며, 현재 기본 N=5 경로 제한이 고밀도 MIMO·RIS 시나리오에 충분치 않을 수 있다. 향후 작업으로는 실제 측정 데이터와의 정량적 비교, 경로 수 가변화 지원, 그리고 데이터베이스·API 기반 대규모 배포 방안이 제시된다. 결론적으로 OpenPathNet은 물리적 일관성을 유지하면서도 재현 가능하고 확장 가능한 RF 멀티패스 데이터 생성 플랫폼을 제공한다. 이는 AI‑6G 연구자들이 환경‑채널 관계를 직접 학습·검증할 수 있게 함으로써, 채널 모델링, 빔 예측, 환경 인식 통신, 통합 감지(ISAC) 등 다양한 차세대 무선 시스템 연구에 새로운 기반을 제공한다.