피드백 코드를 활용한 목표 탐색 효율 향상

본 연구는 제한된 수의 후보 위치 중에서 단일 목표를 찾는 문제를, 측정 벡터에 따라 잡음 분산이 변하는 가우시안 잡음 모델로 수식화한다. 구체적으로, 전체 탐색 영역의 폭을 B, 해상도를 δ라 두면 총 B/δ개의 이산 위치가 존재한다. 목표 위치를 나타내는 벡터 W∈{0,1}^{B/δ}는 하나의 원소만 1이며, n번째 측정은 이진 벡터 Sₙ∈{0,1}^{B/δ} 로 표현된다. 측정 결과는 Yₙ = Xₙ + Zₙ(Sₙ) 로, Xₙ = ⟨Sₙ,W⟩∈{0,1} 은 목표가 현재 측정에 포함되는지를 나타내고, Zₙ(Sₙ)∼𝒩(0,|Sₙ|δσ²) 은 측정 벡터의 무게에 비례하는 잡음이다. 이 모델을 이진 입력 AWGN 채널에 상태와 피드백이 있는 형태와 정확히 동일시한다. 여기서 채널 상태는 현재 측정 벡터에 의해 결정되는 잡음 분산이며, 피드백은 이전 관측값 Y₁,…,Yₙ₋₁ 이다. 따라서 목표 탐색은 ‘메시지를 전송하고 복호화하는’ 과정과 동등하게 해석될 수 있다. 이 관점에서, 상태가 알려진 경우 피드백 코드는 채널 용량을 증가시킬 수 있다는 기존 정보 이론 결과를 차용해, 적응형 탐색이 비적응형 탐색보다 기대 측정 횟수를 감소시킬 수 있음을 예측한다. 논문은 두 가지 주요 기여를 제시한다. 첫째, 정렬된 Posterior Matching (sort‑PM) 전략을 기반으로 한 2단계 적응형 탐색 알고리즘을 설계한다. 초기 단계에서는 전체 영역을 대략적으로 분할해 후보 집합을 크게 축소한다. 이때 측정 벡터는 사후 확률이 높은 구간을 포함하도록 선택되며, 피드백을 통해 동적으로 조정된다. 두 번째 단계에서는 남은 후보에 대해 고해상도 탐색을 수행한다. 이 두 단계 모두 ‘정렬된 사후 확률’에 따라 측정 벡터를 선택함으로써, 목표가 포함될 확률을 빠르게 집중시킨다. 둘째, 정보 이론적 비대칭 경계를 이용해 비적응형 및 적응형 전략의 최소 기대 측정 횟수를 각각 하한과 상한으로 제시한다. 비적응형 전략에 대해서는, 채널 코딩에서 무상태(non‑feedback) 코드를 사용할 때의 최소 채널 사용 횟수와 동일하게, 목표 위치 수 M = B/δ 와 허용 오류 ε 사이에  E