Edge-Native Intelligence for 6G Communications Driven by Federated Learning: A Survey of Trends and Challenges

要約

ワイヤレス ネットワークにおける新しい技術の進歩により、接続されるデバイスの数が増加しました。
人工知能 (AI) によって強化されたワイヤレス システムにおける前例のないデータ量の急増は、ユビキタスなデータ主導のインテリジェント サービスを提供するための新しい地平を開きます。
従来のクラウド中心の機械学習 (ML) ベースのサービスは、データセットを一元的に収集し、モデルをトレーニングすることによって実装されます。
ただし、この従来のトレーニング手法には 2 つの課題があります。(i) 通信費とエネルギー コストが高いこと、(ii) データ プライバシーが脅かされていることです。
この記事では、連合学習 (FL) の基礎と実現技術の包括的な調査を紹介します。FL は、ML をワイヤレス ネットワークのエッジに持ち込むために新たに生み出された技術です。
さらに、ワイヤレス ネットワークにおける FL のさまざまなアプリケーションを詳述し、それらの課題と制限を強調する広範な研究が提示されます。
FL の有効性は、第 5 世代 (B5G) および第 6 世代 (6G) の通信システムを超えた新たな展望でさらに調査されています。
この調査は、主要なワイヤレス技術における最先端の FL アプリケーションの概要を提供することを目的としています。これは、このトピックをしっかりと理解するための基盤となります。
最後に、今後の研究の方向性への道筋を示します。

要約(オリジナル)

New technological advancements in wireless networks have enlarged the number of connected devices. The unprecedented surge of data volume in wireless systems empowered by artificial intelligence (AI) opens up new horizons for providing ubiquitous data-driven intelligent services. Traditional cloudcentric machine learning (ML)-based services are implemented by centrally collecting datasets and training models. However, this conventional training technique encompasses two challenges: (i) high communication and energy cost and (ii) threatened data privacy. In this article, we introduce a comprehensive survey of the fundamentals and enabling technologies of federated learning (FL), a newly emerging technique coined to bring ML to the edge of wireless networks. Moreover, an extensive study is presented detailing various applications of FL in wireless networks and highlighting their challenges and limitations. The efficacy of FL is further explored with emerging prospective beyond fifth-generation (B5G) and sixth-generation (6G) communication systems. This survey aims to provide an overview of the state-ofthe-art FL applications in key wireless technologies that will serve as a foundation to establish a firm understanding of the topic. Lastly, we offer a road forward for future research directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google