この研究では、高速移動環境における多アンテナ無線システムのための新しいビームフォーミング技術を提案しています。従来のビームフォーミング技術は、厳しいチャネル条件下でのパフォーマンス低下が課題でした。深層学習を用いたビームフォーミングは、チャネル状態情報からビームフォーミング重みへの非線形マッピングを提供し、動的なチャネル環境に対するロバスト性も向上させます。本研究は、ドップラー効果を考慮したスパースニューラルネットワークビームフォーミング（Doppler-aware Sparse NNBF）モデルを提案し、マルチユーザー単一入力複数出力設定でチャネルに適応したスパースアテンション機構を組み込んでいます。この方法は、都市マクロ（UMa）チャネル条件において、従来の技術を大幅に上回るパフォーマンスを示しました。特に、高移動性シナリオにおける精度と効率を向上させることが期待されています。