본 논문은 6G 네트워크 및 자율주행, 의료 진단과 같은 중요 응용 분야에서 블랙박스 AI 모델의 결정 과정을 설명하고 신뢰성을 높이는 설명 가능한 AI (XAI) 기법에 대한 연구를 다룬다. 특히, 무선 통신 환경에서 채널 추정에 초점을 맞춘 새로운 섭동 기반 XAI 프레임워크인 XAI-CHEST를 제안하고, 그 이론적 기반을 상세히 제시한다. XAI-CHEST는 비관련 입력에 높은 노이즈를 유도하여 관련 입력을 식별하는 방식으로 작동하며, 손실 함수의 해석적 표현과 노이즈 임계값 미세 조정 최적화 문제를 도출한다. 시뮬레이션 결과, XAI-CHEST는 기존의 DL 기반 채널 추정에 비해 비트 오류율 성능을 개선하고 계산 복잡도를 줄이면서 유효한 해석을 제공함을 보여준다.
