이 논문에선 기존 분산 학습 방법의 하나인 FedAvg의 느린 업데이트 집계와 대역폭 병목 문제를 지적하고 이를 해결하기 위해 over-the-air computation (AirComp)방법을 제안한다. AirComp는 무선 다중 접속 채널의 신호 중첩 성질을 활용해 곧바로 업데이트를 계산하여 통신과 집계를 동시에 빠르게 수행한다. 이 방법은 sparse, low-rank, difference-of-convex(DC)등의 수학적 방법을 통해 이 모델이 이론적으로 안정된 알고리즘(global convergence)임을 증명한다. 실험 결과, 제안한 방법은 기존 방법보다 더 많은 디바이스 수를 유지해 지연을 줄이고 학습 손실을 더 빨리 줄이며 예측 정확도를 높였다. 논문 링크: Federated Lear..
