Discrete Diffusion for Codebook-Based Beam Candidate Generation

Resumen Técnico: Generación de Candidatos de Haz mediante Difusión Discreta

1. Planteamiento del Problema

El artículo aborda el desafío crítico de la gestión de haces (beam management) en sistemas de comunicación ondas milimétricas (mmWave).

• Contexto: Las comunicaciones mmWave ofrecen altas tasas de datos mediante haces altamente direccionales, pero son extremadamente sensibles a bloqueos y movilidad. Esto requiere una alineación de haces frecuente y precisa.
• El Problema Central: En sistemas basados en libros de códigos (codebooks), el presupuesto de sondeo es limitado. Solo se puede evaluar un subconjunto pequeño de haces ($P$) en cada intervalo de coherencia antes de tomar una decisión de servicio.
• Desafío: Bajo movilidad y retroalimentación ruidosa/cuantizada, la selección de haces se convierte en un problema de decisión secuencial parcialmente observable. Las estrategias tradicionales (barridos deterministas o reglas heurísticas) fallan en escenarios dinámicos porque no explotan eficientemente la estructura temporal de las observaciones pasadas. Además, los métodos de aprendizaje automático existentes suelen ser discriminativos (predicen un único haz), lo que limita la diversidad de candidatos y aumenta el riesgo de perder el haz óptimo (haz "oráculo").

2. Metodología Propuesta: D3PM-BM

Los autores proponen D3PM-BM, un marco de aprendizaje basado en un Modelo Probabilístico de Difusión Discreta Denoising (D3PM) condicionado al historial.

• Formulación del Problema: Se define la selección de haces como un problema de maximización del SNR promedio a largo plazo, donde el objetivo es generar un conjunto de candidatos prometedores basado en el historial de sondeo ($H_t$), en lugar de aprender una política de decisión directa.
• Codificador de Historial (History Encoder):
  • Utiliza una arquitectura jerárquica basada en Transformers.
  • Tokenización: Convierte pares (índice de haz, retroalimentación) en vectores.
  • Agregación intra-slot: Usa mecanismos de atención (pooling) para resumir las mediciones de un solo intervalo de tiempo.
  • Modelado temporal: Procesa la secuencia de slots pasados para capturar dependencias temporales y movilidad, generando un vector de contexto $c_t$.
• Modelo de Difusión Discreta (D3PM):
  • A diferencia de los modelos de difusión continuos, este opera en un espacio discreto (índices de haces).
  • Proceso Forward: Corrompe el índice del haz óptimo (etiqueta limpia) mediante un kernel de mezcla uniforme hasta convertirlo en una distribución uniforme.
  • Proceso Reverse: Una red neuronal (denoiser) aprende a reconstruir la distribución condicional de los índices de haces prometedores dado el contexto $c_t$ y el estado corrupto actual.
• Entrenamiento con Etiquetas Suaves (Soft Oracle Labels):
  • En lugar de usar una etiqueta "hard" (un solo haz óptimo), se utiliza una etiqueta suave escalarizada.
  • Se asigna probabilidad a los $M$ haces con mejor SNR (top-M), distribuida según su calidad relativa y un parámetro de temperatura. Esto permite al modelo aprender la incertidumbre y la existencia de múltiples haces de alta calidad, no solo el mejor absoluto.
• Flujo de Inferencia (Online):
  • El modelo genera múltiples muestras de haces candidatos mediante el proceso inverso de difusión.
  • Se ordenan los candidatos basándose en dos métricas: frecuencia de muestreo y confianza (probabilidad logarítmica final).
  • Se seleccionan los $P$ mejores candidatos para el sondeo real.

3. Contribuciones Clave

1. Formulación Generativa Discreta: Es la primera propuesta que aplica modelos de difusión discreta (D3PM) específicamente para la selección de haces en libros de códigos bajo un presupuesto de sondeo estricto, utilizando únicamente historiales de sondeo parciales.
2. Marco Condicionado al Historial: Se desarrolla un codificador jerárquico que integra eficientemente la retroalimentación cuantizada y ruidosa de múltiples slots pasados para predecir la distribución de haces futuros.
3. Mecanismo de Supervisión Robusto: Introducción de etiquetas suaves (top-M) con escalado de temperatura, lo que estabiliza el entrenamiento y mejora la diversidad de candidatos al considerar alternativas casi óptimas.
4. Análisis de Compromiso Complejidad-Rendimiento: Demostración de que se puede reducir significativamente la longitud de la cadena de difusión (número de pasos de inferencia) manteniendo la mayor parte de la ganancia de rendimiento, lo cual es crucial para la latencia en tiempo real.

4. Resultados Numéricos

Las simulaciones se realizaron utilizando el dataset DeepMIMO (escenario mmWave a 28 GHz) con trayectorias de usuarios móviles.

• Rendimiento General: D3PM-BM supera consistentemente a las líneas base (heurísticas EMA, UCB, y modelos discriminativos como TRM y ODE-LSTM) en SNR promedio.
• Regímenes de Bajo Sondeo: La mejora es más pronunciada cuando el presupuesto de sondeo ($P$) es bajo (ej. $P=1$ o $2$). En estos casos, la capacidad de generar candidatos diversos y de alta calidad es crítica.
• Probabilidad de Fallo (Miss Probability): El método propuesto reduce significativamente la probabilidad de que el haz óptimo (oráculo) no esté incluido en el conjunto sondeado.
• Regret Condicional: Incluso cuando se falla en encontrar el haz óptimo, los haces propuestos por D3PM-BM tienen un SNR mucho más cercano al óptimo que los de otros métodos, minimizando la pérdida de rendimiento.
• Diversidad de Candidatos: A diferencia de los modelos discriminativos que tienden a concentrar la probabilidad en un solo haz (Top-1), D3PM-BM logra una mayor tasa de inclusión en los Top-$m$ (para $m > 1$), lo que confirma su capacidad para cubrir un espectro más amplio de direcciones viables.
• Robustez: El método mantiene su ventaja incluso con retroalimentación cuantizada gruesa o ruidosa.

5. Significado e Impacto

Este trabajo es significativo por varias razones:

• Cambio de Paradigma: Introduce la Inteligencia Artificial Generativa (GenAI), específicamente la difusión, como una herramienta viable y superior para la gestión de recursos en redes inalámbricas, superando a los enfoques puramente discriminativos.
• Eficiencia Operativa: Al generar un conjunto de candidatos de alta calidad, permite a los sistemas mmWave operar con menos overhead de sondeo, liberando recursos para la transmisión de datos y mejorando la eficiencia espectral.
• Adaptabilidad: El enfoque es robusto frente a la movilidad y la incertidumbre del canal, aprendiendo directamente de las interacciones pasadas sin requerir información lateral (como GPS o LiDAR), lo que facilita su implementación en sistemas reales.
• Viabilidad Práctica: La demostración de que se pueden usar cadenas de difusión cortas para la inferencia en línea hace que la propuesta sea computacionalmente factible para despliegues en tiempo real en estaciones base.

En conclusión, el artículo demuestra que los modelos de difusión discreta condicionados al historial ofrecen una solución superior para la selección de haces en entornos mmWave dinámicos, equilibrando eficazmente la exploración y la explotación bajo restricciones estrictas de recursos.