본 논문은 제한된 피드백 자원을 가진 주파수 분할 이중 방식 (FDD) 시스템에서 시변 대규모 다중 입출력 (Massive MIMO) 채널을 위한 신경망 채널 상태 정보 (CSI) 압축을 고려합니다. 주요 과제는 CSI가 연속적인 스냅샷에 걸쳐 강력한 시간적 상관관계 (Temporal correlation)를 나타낸다는 점을 고려할 때, CSI의 조밀하고 효율적인 표현을 얻는 데 있습니다. 기존의 메모리리스 (Memoryless) 압축 모델은 이러한 특성을 활용하지 못하며, 단순한 시간적 확장 모델은 잠재 역학 (Latent dynamics)을 명시적으로 모델링하지 않고 여러 관측치를 통합하는 경우가 많습니다. 우리는 잠재 공간 (Latent space)에서 CSI의 진화를 포착하기 위해 유한한 시간 창 (Temporal window)을 사용하는 k-메모리 마르코프 변분 오토인코더 (k-memory Markov variational autoencoder, k-MMVAE) 기반의 문맥 인식 압축 프레임워크를 제안합니다. 이 모델은 유한한 메모리를 가진 마르코프 구조의 잠재 역학을 도입하여, 압축을 위한 시간적 의존성 (Temporal dependencies)을 효율적으로 사용할 수 있게 합니다. 시뮬레이션 결과, 제안된 방식은 메모리리스 및 약한 순차적 (Weakly sequential) 베이스라인과 비교하여 특히 낮거나 중간 정도의 압축률에서 목표 CSI 재구성 성능을 향상시킴을 보여줍니다. 이러한 결과는 명시적인 잠재 시간 모델링 (Latent temporal modeling)이 제한된 피드백 제약 조건 하에서 CSI 압축을 위한 효과적인 메커니즘을 제공할 수 있음을 시사합니다.