論文の概要: OptiVote: Non-Coherent FSO Over-the-Air Majority Vote for Communication-Efficient Distributed Federated Learning in Space Data Centers

• arxiv url: http://arxiv.org/abs/2512.24334v1
• Date: Tue, 30 Dec 2025 16:40:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.431777
• Title: OptiVote: Non-Coherent FSO Over-the-Air Majority Vote for Communication-Efficient Distributed Federated Learning in Space Data Centers
• Title（参考訳）: OptiVote:宇宙データセンターにおけるコミュニケーション効率の良い分散フェデレーション学習のための非コヒーレントなFSOオーバーザエアマジョリティ投票
• Authors: Anbang Zhang, Chenyuan Feng, Wai Ho Mow, Jia Ye, Shuaishuai Guo, Geyong Min, Tony Q. S. Quek,
• Abstract要約: メガコンステレーションは、宇宙データセンター(SDC)の長期的なビジョンを推進している AirCompはフリースペース(FSO)を学習するためのネットワーク内集約フレームワーク AirVoteは符号勾配(SGD)と多数符号変調(PPM)を統合し、各衛星はPPMタイムスロットを活性化することで局所勾配を伝達する。 OptiVoteは位相依存性電場重ね合わせを位相非依存光強度結合に緩和する。
• 参考スコア（独自算出の注目度）: 68.73273027298625
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid deployment of mega-constellations is driving the long-term vision of space data centers (SDCs), where interconnected satellites form in-orbit distributed computing and learning infrastructures. Enabling distributed federated learning in such systems is challenging because iterative training requires frequent aggregation over inter-satellite links that are bandwidth- and energy-constrained, and the link conditions can be highly dynamic. In this work, we exploit over-the-air computation (AirComp) as an in-network aggregation primitive. However, conventional coherent AirComp relies on stringent phase alignment, which is difficult to maintain in space environments due to satellite jitter and Doppler effects. To overcome this limitation, we propose OptiVote, a robust and communication-efficient non-coherent free-space optical (FSO) AirComp framework for federated learning toward Space Data Centers. OptiVote integrates sign stochastic gradient descent (signSGD) with a majority-vote (MV) aggregation principle and pulse-position modulation (PPM), where each satellite conveys local gradient signs by activating orthogonal PPM time slots. The aggregation node performs MV detection via non-coherent energy accumulation, transforming phase-sensitive field superposition into phase-agnostic optical intensity combining, thereby eliminating the need for precise phase synchronization and improving resilience under dynamic impairments. To mitigate aggregation bias induced by heterogeneous FSO channels, we further develop an importance-aware, channel state information (CSI)-free dynamic power control scheme that balances received energies without additional signaling. We provide theoretical analysis by characterizing the aggregate error probability under statistical FSO channels and establishing convergence guarantees for non-convex objectives.
• Abstract（参考訳）: メガコンステレーションの迅速な展開は、相互接続された衛星が軌道上の分散コンピューティングと学習インフラを形成する宇宙データセンター(SDC)の長期的なビジョンを推進している。 このようなシステムにおける分散フェデレーション学習の実施は、帯域幅とエネルギー制約のある衛星間リンクに対して反復学習が頻繁な集約を必要とするため、リンク条件は極めて動的である。 本研究では,ネットワーク内アグリゲーションプリミティブとして,オーバー・ザ・エア計算(AirComp)を利用する。 しかし、従来のコヒーレントなAirCompは、衛星ジッタとドップラー効果のために宇宙環境での維持が困難である厳密な位相アライメントに依存している。 この制限を克服するために,宇宙データセンターへのフェデレーション学習のための,堅牢で通信効率のよい非コヒーレントな自由空間光学(FSO)AirCompフレームワークであるOptiVoteを提案する。 OptiVoteは、符号確率勾配降下(signSGD)と多数投票(MV)アグリゲーション原理とパルス位置変調(PPM)を統合し、各衛星は直交するPPM時間スロットを活性化することで局所勾配を伝達する。 集約ノードは、非コヒーレントエネルギー蓄積によるMV検出を行い、位相感受性電場重畳を位相非依存光強度結合に変換することにより、正確な位相同期を不要とし、動的障害下でのレジリエンスを向上させる。 不均質なFSOチャネルによって引き起こされる凝集バイアスを軽減するため、我々はさらに、付加的なシグナリングを伴わずに受信エネルギーのバランスをとる重要なチャネル状態情報(CSI)のない動的電力制御スキームを開発する。 統計的FSOチャネル下での集合誤差確率を解析し,非凸目的に対する収束保証を確立することによって理論的解析を行う。

関連論文リスト

• STAR-RIS-assisted Collaborative Beamforming for Low-altitude Wireless Networks [58.13757830013997]
  無人航空機(UAV)に基づく無線ネットワークは、都市コミュニケーションに高いモビリティ、柔軟性、カバーを提供する。 閉塞により、密集した環境では信号の減衰が激しい。 この重要な問題に対処するために、UAVの協調ビームの導入と全方向逆方向ビームフォーミングについて検討する。
  論文  参考訳（メタデータ） (2025-10-25T01:28:37Z)
• Joint AoI and Handover Optimization in Space-Air-Ground Integrated Network [48.485907216785904]
  ローアース軌道(LEO)衛星コンステレーションは、地球をカバーし、遅延を減少させる有望な解決策を提供する。 しかし、軌道力学による間欠的カバレッジと間欠的な通信窓に苦しむ。 我々の3層設計では、HAP-地上通信のための高容量衛星間通信と信頼性無線周波数(RF)リンクに、ハイブリッド自由空間光(FSO)リンクを用いる。
  論文  参考訳（メタデータ） (2025-09-16T06:16:56Z)
• FedMeld: A Model-dispersal Federated Learning Framework for Space-ground Integrated Networks [37.88813798443069]
  宇宙地上統合ネットワーク(SGIN)は、世界中の隅々に人工知能(AI)サービスを提供することが期待されている。 SGINsのミッションの1つは、世界規模で連邦学習(FL)をサポートすることである。 本稿では,モデル分散(FedMeld)戦略に基づく,インフラストラクチャフリーなフェデレーション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-23T02:58:12Z)
• Hyperdimensional Computing Empowered Federated Foundation Model over Wireless Networks for Metaverse [56.384390765357004]
  本稿では,新しい基礎モデルのための統合型分割学習と超次元計算フレームワークを提案する。 この新しいアプローチは通信コスト、計算負荷、プライバシーリスクを低減し、Metaverseのリソース制約されたエッジデバイスに適している。
  論文  参考訳（メタデータ） (2024-08-26T17:03:14Z)
• Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
  地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。 DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。 本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-11T03:13:02Z)
• Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
  本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2023-06-15T14:50:27Z)
• Federated learning for LEO constellations via inter-HAP links [0.0]
  ローアース・オービット(LEO)衛星星座は近年、急速に展開している。 このような応用に機械学習(ML)を適用するには、画像などの衛星データを地上局(GS)にダウンロードする従来の方法は望ましいものではない。 既存のFLソリューションは、過剰収束遅延や信頼できない無線チャネルといった大きな課題のために、そのようなLEOコンステレーションのシナリオには適さないことを示す。
  論文  参考訳（メタデータ） (2022-05-15T08:22:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。