QML-IB：多设备与移动网络之间的量化协同智能
信息论
2024-05-01 v1 math.IT
摘要
人工智能（AI）与移动网络的集成被视为6G最重要的场景之一。6G的主要目标是实现任务相关数据的高效传输。随后，一个关键问题是如何设计面向设备侧和网络侧的协作AI模型，以便在保持AI任务结果准确性的同时，将传输数据量降低到足够低的水平。这篇文章提出了一种用于协作模型设计的多链接信息瓶颈（ML-IB）方案。我们基于一种新型绩效指标建立了问题模型，该指标可评估任务准确性和传输开销。随后，我们引入一个可调量化位深度、�幅和断点的参数化量化器。鉴于在高维数据上计算我们提出的指标的不可行性，我们建立了该指标的变分上界。然而，由于量化器的引入，变分上界的闭式表达式仍不可计算。因此，我们采用Log-Sum不等式进行近似，并提供了理论保证。基于此，我们设计了量化多链接信息瓶颈（QML-IB）算法，用于协作AI模型的生成。最后，数值实验表明，我们的QML-IB算法在性能上优于现有最先进算法。
引用
@article{arxiv.2404.19358,
title = {QML-IB: Quantized Collaborative Intelligence between Multiple Devices and the Mobile Network},
author = {Jingchen Peng and Boxiang Ren and Lu Yang and Chenghui Peng and Panpan Niu and Hao Wu},
journal= {arXiv preprint arXiv:2404.19358},
year = {2024}
}