arXiv:2604.04312v2 cs.IT

아웃오브에어 연산: 무선 중첩으로부터 구조화된 함수 추출 구현

Out-of-Air Computation: Enabling Structured Function Extraction from Wireless Superposition

Seyed Mohammad Azimi-Abarghouyi

제출 2026-04-05

한국어 초록

오버디에어 연산(AirComp)은 무선 다중 접속 채널(MAC)의 중첩 특성을 폭넓게 활용하여 분산 데이터의 함수를 계산합니다. 이 광범위한 범주 내에서 지배적인 기존 설계 방식은 임베딩(embedding) 지향적입니다. 즉, 수신된 중첩 신호가 지정된 연산을 직접 실현하도록 전송 신호를 사전 성형하거나 채널 효과를 완화하며, 종종 MAC이 이상적인 연산 매체를 근사하도록 요구합니다. 본 논문에서는 아웃오브에어 연산(AirCPU)을 도입하고 AirComp를 위한 추출 지향적 패러다임을 확립합니다. 결합 소스-채널 코딩을 기반으로 구축된 AirCPU는 수신기가 목표 함수를 추출할 수 있는 구조화된 무선 중첩을 생성합니다. AirCPU는 연속값(continuous-valued) 기기 데이터에 직접 작동하여 별도의 소스 양자화(quantization) 단계가 필요하지 않으며, 각 입력을 계층적으로 스케일링된 성분으로 분해하여 점진적인 해상도를 지원하는 다중 층(layer) 중첩 격자 구조를 채택합니다. 이때 모든 성분은 고정 전력 제약 하에서 공통의 유계 디지털 성상도(bounded digital constellation)를 통해 전송됩니다. 본 연구에서는 분리된 해상도(decoupled resolution)의 개념을 정형화하여, 복호 오류 확률이 충분히 작은 동작 영역에서는 왜곡에 대한 채널 잡음 및 유한 성상도 제약의 영향이 무시할 수 있을 정도로 작아지며, 최종 연산 오류는 가장 미세한 격자가 설정한 목표 해상도에 의해 주로 결정됨을 보여줍니다. 페이딩 MAC을 위해, 제안된 직접 연산 외에도 복호된 복수의 정수 계수 함수와 부가 정보 함수를 무선 중첩의 구조적 표현으로 활용하여 신뢰할 수 있는 동작 영역을 크게 확장하는 집합 통신(collective) 및 순차적 연산 메커니즘을 추가로 도입합니다.

원문 초록

Over-the-air computation (AirComp) broadly exploits the superposition property of wireless multiple-access channels (MACs) to compute functions of distributed data. Within this broad class, dominant conventional designs are embedding-oriented: they pre-shape transmitted signals or mitigate channel effects so that the received superposition directly realizes the prescribed computation, often requiring the MAC to approximate an ideal computational medium. This paper introduces out-of-air computation (AirCPU) and establishes an extraction-oriented paradigm for AirComp. Built on joint source-channel coding, AirCPU creates a structured wireless superposition from which the receiver extracts the target function. AirCPU operates directly on continuous-valued device data, avoiding the need for a separate source quantization stage, and employs a multi-layer nested lattice architecture that enables progressive resolution by decomposing each input into hierarchically scaled components, all transmitted over a common bounded digital constellation under a fixed power constraint. We formalize the notion of decoupled resolution, showing that in operating regimes where the decoding error probability is sufficiently small, the impact of channel noise and finite constellation constraints on distortion becomes negligible, and the resulting computation error is primarily determined by the target resolution set by the finest lattice. For fading MACs, we further introduce collective and successive computation mechanisms, in addition to the proposed direct computation, which exploit multiple decoded integer-coefficient functions and side-information functions as structural representations of the wireless superposition to significantly expand the reliable operating regime.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2604.04312v2

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2510.23463v4cs.LG공통 태그 over-the-air computation

덤으로 얻는 차분 프라이버시: 다중 안테나 기지국 환경의 다중 접속 페이딩 채널 기반 연합 학습

Differential Privacy as a Perk: Federated Learning over Multiple-Access Fading Channels with a Multi-Antenna Base Station

연합 학습(FL)은 학습(training) 과정에서 원시 데이터를 교환할 필요를 없애 프라이버시를 보존하는 분산 학습 패러다임입니다. 아날로그 무선 연산(AirComp) 기반 무선 전송을 사용하는 전형적인 엣지 환경의 연합 학습인 무선 연합 학습(AirFL)에서는, 내재된 채널 잡음이 노이즈가 섞인 글로벌 집계로 인해 학습 성능을 저하시키는 동시에 차분 프라이버시(DP)로 정량화되는 프라이버시 보호 메커니즘을 위한 자연스러운 무작위성(randomness) 원천을 제공한다는 점에서 독특한 '양날의 검(frenemy)' 역할을 합니다. 그럼에도 불구하고, 단순한 채널 모델이나 제한된 유형의 손실(loss) 함수를 가정한 기존 연구들은 주로 단일 라운드 또는 수렴하지 않는 프라이버시 손실 상한을 통한 (로컬) DP 향상만을 고려했기 때문에 이러한 채널 열화를 효과적으로 활용하는 것은 여전히 어려운 과제로 남아 있습니다. 본 논문에서는 사용자 수준 DP 요구 조건을 만족해야 하는 다중 안테나 기지국(BS) 기반 다중 접속 페이딩 채널 환경의 AirFL을 연구합니다. 유사한 환경에서 일반적으로 DP를 보장하려면 인공 잡음(AN)을 주입해야 한다고 주장한 최근 연구와 달리, 본 연구는 인공 잡음을 전혀 사용하지 않고도 DP를 하나의 '덤(perk)'으로 확보할 수 있음을 입증합니다. 구체적으로, 모델(model) 파라미터에 대한 일반적인 유계 도메인 가정 하에서 수렴(convergence)하는 새로운 DP 상한을 도출함과 동시에, 일반적인 매끄러운 비볼록(non-convex) 손실 함수 환경에서의 수렴 상한도 도출합니다. 이어 수신 빔포밍과 전력 할당을 최적화하여 최적의 수렴-프라이버시 트레이드오프를 규명하며, 학습 성능을 저하시키지 않고도 DP를 달성할 수 있는 명시적 조건들을 밝혀냅니다. 마지막으로, 광범위한 수치 결과를 통해 본 논문의 이론적 발견들을 검증합니다.

arXiv:2606.12858v1cs.IT공통 태그 joint source-channel coding

JSCGC: 무선 생성 통신을 위한 결합 소스-채널-생성 코딩

JSCGC: Joint Source-Channel-Generation Coding for Wireless Generative Communications

분리 기반 코딩과 학습 기반 결합 소스-채널 코딩(JSCC)을 포함한 기존 통신 시스템은 일반적으로 섀넌의 레이트-왜곡 이론에 기반하여 설계된다. 그러나 일반적인 왜곡 지표에 의존하면 복잡한 인간의 시각적 지각을 포착하지 못해 흐릿하거나 비현실적인 복원 결과를 초래하는 경우가 많다. 본 논문에서는 수신기의 기존 디코더를 생성 모델로 대체하는 생성 통신 패러다임인 결합 소스-채널-생성 코딩(JSCGC)을 제안한다. 수신 신호는 학습된 조건부 분포로의 샘플링 과정을 제어하는 조건으로 처리되며, 이를 통해 통신의 목표가 왜곡 최소화를 위한 결정론적 복원에서 지각적 제약 하의 상호 정보 최대화를 위한 제어된 생성으로 재정립된다. 이 공식화를 바탕으로 통합 결합 학습 및 효율적인 확률적 샘플링 프레임워크를 개발하고, 학습 및 추론 단계 모두에서의 효과성에 대한 이론적 분석을 제공한다. 잠재 공간 이미지 전송에 대한 광범위한 실험을 통해, JSCGC가 다양한 채널 조건에서 특징 기반, 의미론적 수준 및 분포적 품질을 일관되게 향상시키는 동시에, 왜곡이 아닌 의미적 불일치를 특징으로 하는 독특한 오류 행동을 보임을 입증한다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.