CFLIT: Coexisting Federated Learning and Information Transfer

要約

タイトル：CFLIT：共存型フェデレーテッド・ラーニングと情報転送

要約：

– 今後のワイヤレスネットワークは、AIサービスや普及したデータ転送など、多様なモバイルサービスをサポートすることが期待されている。
– 分散したモバイルエッジデバイスでの協調的なAIモデルのトレーニングを可能にするフェデレーテッドラーニング（FL）は、革新的な学習手法である。
– 複数アクセスチャンネルの重畳特性を利用し、オーバー・ジ・エア計算により同一の無線リソース上で膨大なデバイスから同時にモデルのアップロードを許可することにより、FLの通信コストを大幅に削減できる。
– 本論文では、オーバーザエアFLと従来の情報転送がモバイルエッジネットワークで共存する方法を研究する。
– FLデバイスとITデバイスがOFDMシステムでワイヤレススペクトルを共有する共存型フェデレーテッド・ラーニングと情報転送（CFLIT）通信フレームワークを提案する。
– このフレームワークの下、長期的な無線リソース割り当てを最適化して、ITデータレートを最大化し、与えられたFL収束性能を保証するように目指す。
– 共存システムのスペクトル効率を制限する主要な課題は、サーバとエッジデバイス間の頻繁な通信によって引き起こされる大量のオーバーヘッドである。
– この課題に対処するため、ワイヤレスフェーディングチャネルでのオーバー・ジ・エアFLの収束性に対する計算 / 通信比の影響を厳密に分析し、所望の誤差許容範囲にFLが収束するために必要な無線リソース量を最小化する最適な計算/通信比が存在することを明らかにした。
– 分析に基づいて、FLデバイスとITデバイスの両方のためにラジオリソース割り当てを共同で最適化する低複雑度オンラインアルゴリズムを提案する。
– 幅広い数値シミュレーションにより、ワイヤレスセルラーシステムにおけるFLデバイスとITデバイスの共存設計の優れたパフォーマンスを検証する。

要約(オリジナル)

Future wireless networks are expected to support diverse mobile services, including artificial intelligence (AI) services and ubiquitous data transmissions. Federated learning (FL), as a revolutionary learning approach, enables collaborative AI model training across distributed mobile edge devices. By exploiting the superposition property of multiple-access channels, over-the-air computation allows concurrent model uploading from massive devices over the same radio resources, and thus significantly reduces the communication cost of FL. In this paper, we study the coexistence of over-the-air FL and traditional information transfer (IT) in a mobile edge network. We propose a coexisting federated learning and information transfer (CFLIT) communication framework, where the FL and IT devices share the wireless spectrum in an OFDM system. Under this framework, we aim to maximize the IT data rate and guarantee a given FL convergence performance by optimizing the long-term radio resource allocation. A key challenge that limits the spectrum efficiency of the coexisting system lies in the large overhead incurred by frequent communication between the server and edge devices for FL model aggregation. To address the challenge, we rigorously analyze the impact of the computation-to-communication ratio on the convergence of over-the-air FL in wireless fading channels. The analysis reveals the existence of an optimal computation-to-communication ratio that minimizes the amount of radio resources needed for over-the-air FL to converge to a given error tolerance. Based on the analysis, we propose a low-complexity online algorithm to jointly optimize the radio resource allocation for both the FL devices and IT devices. Extensive numerical simulations verify the superior performance of the proposed design for the coexistence of FL and IT devices in wireless cellular systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI