무선 통신 알고리즘의 자율적 발견

Autonomous Discovery of Wireless Communications Algorithms

대규모 언어 모델(LLM) 기반 진화 탐색은 여러 과학 분야에서 새로운 결과를 창출한 신흥 알고리즘 발견 패러다임입니다. 그러나 이러한 방식이 무선 통신에 적용된 사례는 아직 미미합니다. 이 격차를 해소하기 위해, 우리는 성능-복잡성 균형을 고려하며 복잡한 통신 문제를 위한 알고리즘을 자율적으로 설계하는 프레임워크인 'AI 텔코 엔지니어(AITE)'를 소개합니다. AITE는 직교 시간-주파수 공간(OTFS) 시스템 이퀄라이저 설계 및 사용자 정의 변조 방식과 파일럿 신호 없이 작동하는 직교 주파수 분할 다중화(OFDM) 수신기 알고리즘 구성이라는 두 가지 어려운 물리 계층 문제를 통해 성능을 검증합니다. 첫 번째 작업에서, AITE는 현재 알려진 최적의 솔루션보다 우수한 알고리즘을 개발했으며, 가장 강력한 기준 모델과 비교하여 계산 지연 시간을 3.6배 줄였습니다. 두 번째 작업에서는, AITE가 최고 수준의 신경망 수신기와 동등한 성능을 보이는 최초의 명시적이고 설명 가능한 알고리즘을 발견했습니다. 이러한 결과는 LLM 기반 진화 탐색이 차세대 무선 통신 알고리즘의 자율적인 발견에 매우 강력한 잠재력을 가지고 있음을 보여줍니다.

Large language model (LLM)-driven evolutionary search is an emerging algorithm-discovery paradigm that has already produced novel results in several scientific fields. Yet its application to wireless communications remains largely unexplored. To bridge this gap, we introduce The AI Telco Engineer (AITE), a framework to autonomously design algorithms for complex communication problems, while navigating performance-complexity tradeoffs. We showcase AITE on two challenging physical-layer problems: designing an equalizer for an orthogonal time-frequency space (OTFS) system, and constructing a receiver algorithm for an orthogonal frequency-division multiplexing (OFDM) system using a custom constellation and operating without pilots. For the first task, AITE develops algorithms that outperform the best-known solutions while reducing computational latency by a factor of 3.6 compared to the strongest baseline. For the second task, it discovers the first explicit, explainable algorithms that achieve performance parity with state-of-the-art neural receivers. These results demonstrate the strong potential of LLM-driven evolutionary search for the autonomous discovery of next-generation wireless communications algorithms.