Semantic Information Recovery in Wireless Networks

要約

無線通信における機械学習 (ML) ツールの最近の成功をきっかけに、1949 年にウィーバーが提唱したセマンティック コミュニケーションのアイデアが注目を集めています。
これは、メッセージの正確なバージョンではなく、メッセージの意味、つまりセマンティクスを送信することを目的とすることで、シャノンの古典的な設計パラダイムを打ち破り、情報速度の節約を可能にします。
この研究では、Basu らの基本的なアプローチを拡張します。
完全な通信マルコフチェーンへのセマンティクスのモデリングに使用されます。
したがって、隠れた確率変数を使用してセマンティクスをモデル化し、セマンティクスが最もよく保存されるように通信チャネル上でデータを削減し、信頼性の高いメッセージを送信することとしてセマンティクス通信タスクを定義します。
私たちはこのタスクをエンドツーエンドの情報ボトルネック問題として捉え、関連情報を最大限に保持しながら圧縮できるようにしました。
解決策のアプローチとして、ML ベースのセマンティック通信システム SINFONY を提案し、それを分散マルチポイント シナリオに使用します。SINFONY は、セマンティック回復のために、異なる送信者で観察される複数のメッセージの背後にある意味を単一の受信者に伝達します。
画像をメッセージ例として処理してSINFONYを解析します。
数値結果は、古典的に設計された通信システムと比較して、レート正規化された SNR が最大 20 dB まで大幅にシフトしていることを明らかにしています。

要約(オリジナル)

Motivated by the recent success of Machine Learning (ML) tools in wireless communications, the idea of semantic communication by Weaver from 1949 has gained attention. It breaks with Shannon’s classic design paradigm by aiming to transmit the meaning of a message, i.e., semantics, rather than its exact version and thus allows for savings in information rate. In this work, we extend the fundamental approach from Basu et al. for modeling semantics to the complete communications Markov chain. Thus, we model semantics by means of hidden random variables and define the semantic communication task as the data-reduced and reliable transmission of messages over a communication channel such that semantics is best preserved. We cast this task as an end-to-end Information Bottleneck problem, allowing for compression while preserving relevant information most. As a solution approach, we propose the ML-based semantic communication system SINFONY and use it for a distributed multipoint scenario: SINFONY communicates the meaning behind multiple messages that are observed at different senders to a single receiver for semantic recovery. We analyze SINFONY by processing images as message examples. Numerical results reveal a tremendous rate-normalized SNR shift up to 20 dB compared to classically designed communication systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google