Surfaces Intelligentes Reconfigurables-Aidées Apprentissage Fédéré dans la Computation Over-the-Air

Dans cette lettre, nous proposons un schéma de conception conjointe des décalages de phase et d'un vecteur de formation de faisceau dans l'apprentissage fédéré (FL) sur Air avec une surface intelligente reconfigurable (RIS). Il est bien connu que plus d'appareils en périphérie participent au FL, meilleure est la performance d'apprentissage sur des canaux sans erreur. Cependant, les performances du FL peuvent être dégradées lorsque des appareils avec de mauvaises conditions de canal participent à l'apprentissage au sein du système de computation AirComp. Par conséquent, nous présentons un vecteur de formation de faisceau et un algorithme de conception de décalage de phase RIS qui maximise le nombre d'appareils participants sous la contrainte d'erreur d'agrégation. Nous reformulons d'abord le problème conventionnel en un problème d'optimisation éparse et appliquons l'approche d'optimisation alternée (AO). Ensuite, nous proposons un algorithme de faible complexité utilisant l'approche de minimisation par majorisation (MM) et la méthode du sous-gradient projeté. Les résultats de simulation démontrent que le RIS aide à accueillir plus d'appareils dans le FL AirComp et que les algorithmes proposés atteignent une performance proche de celle d'un système FL idéal.