Link Adaptation Using Joint-Thompson Sampling

技術要約：結合型トンプソン・サンプリングを用いたリンク適応

問題の定式化
リンク適応（LA）は、ブロックエラー率（BLER）の制約下でスループットを最大化するために、最適な伝送パラメータ、具体的には変調符号化方式（MCS）を選択する、極めて重要な媒体アクセス制御（MAC）層の機能である。ダウンリンクのシナリオでは、基地局（gNB）は直接的なチャネル状態情報を保持しておらず、端末（UE）からのチャネル品質指標（CQI）フィードバックに依存している。OLLA（Outer Loop Link Adaptation）のような従来のアプローチは、ACK/NACKの統計量を利用して信号対干渉雑音比（SINR）のオフセットを調整する。しかし、OLLAは急速に変化するチャネル（高ドップラーシフト）への適応が遅いことが多く、また、CQIごとの状態粒度が欠けている。

近年の文献では、LAをマルチアームド・バンディット（MAB）問題としてモデル化している。ここでは、各MCSを未知の成功確率を持つ「アーム」として扱う。UCB（Upper Confidence Bound）や標準的なトンプソン・サンプリング（TS）といったアルゴリズムが適用されているが、これらは通常、MCSアームを独立したものとして扱う。この独立性の仮定は、無線チャネルの根本的な物理的特性である、成功確率の単調性を捉え損ねている。具体的には、与えられたチャネル条件下において、より低いMCSインデックス（より堅牢な変調）は、より高いMCSインデックス（より高いスペクトル効率）よりも本質的に高い成功確率を持つ（$\theta_1 \ge \theta_2 \ge \dots \ge \theta_K$）。この制約を無視する既存のMABソリューションは、実行不可能な構成をサンプリングしたり、特にCQIフィードバックが利用できない場合やチャネル条件が高度に動的な場合に、劣化した収束を招いたりする可能性がある。

手法：結合型トンプソン・サンプリング（Joint-TS）
本論文では、学習プロセス全体を通じてMCSの成功確率の単調性を明示的に維持するように設計されたアルゴリズムである、**結合型トンプソン・サンプリング（Joint-TS）**を提案している。

1. 多変量順序ベータ（MOB）事前分布： 各アームに対して独立したベータ分布を仮定する古典的なTSとは異なり、Joint-TSは事前分布として多変量順序ベータ（MOB）分布を利用する。この分布は、単体 $S = \{ \theta \in [0, 1]^K \mid \theta_1 \ge \theta_2 \ge \dots \ge \theta_K \}$ 上で定義される。この結合分布からサンプリングすることで、アルゴリズムは、サンプリングされたすべての成功確率の集合が物理的な単調性制約を満たすことを保証する。
2. 推論のためのギブス・サンプリング： MOB分布からの直接的なサンプリングは容易ではない。著者らは、MOB分布からサンプルを生成するためにギブス・サンプリング手法（マルコフ連鎖モンテカルロ法の一種）を採用している。このアプローチの核となるのは、他の値が与えられたときの任意の単一アーム $\Theta_i$ の条件付き分布が、その隣接値によって境界付けられた制限付きベータ分布（$\theta_{i+1} \le \Theta_i \le \theta_{i-1}$）に従うという補題である。
3. アルゴリズムの流れ： 各タイムステップにおいて、Joint-TSは以下を行う：
   • ギブス・サンプリングを用いて、現在のMOB事後分布から成功確率のベクトル $(\Theta_1, \dots, \Theta_K)$ をサンプリングする。
   • 期待報酬 ($s_i \cdot \Theta_i$) を最大化するMCSアーム $I_t$ を選択する。
   • 報酬（ACK/NACK）を観測し、選択されたアームのパラメータを更新する。結合分布により、この更新は他のすべてのアームの事後分布にも暗黙的に影響を与え、明示的な並べ替えを必要とせずに単調性制約を維持する。

主な貢献

• 単調性を考慮したMAB： 本論文は、アームを独立した実体として扱うのではなく、多変量事前分布を用いてMCS成功確率の順序性を厳密に強制する、初のMABベースのLAアルゴリズムであるJoint-TSを導入している。
• サンプリングメカニズム： 著者らは、順序付き多変量分布からのサンプリングに伴う計算上の課題に対処するため、MOB分布からサンプルを抽出する実用的なギブス・サンプリング手法を提案している。
• CQIの限界に対する堅牢性： 本研究は、CQIフィードバックが利用できない場合でも、Joint-TSが性能を維持することを実証している。これは、最先端の単峰型アルゴリズム（UTSなど）やテーブル依存型アルゴリズム（Latent-TSなど）が著しく低下するシナリオである。

シミュレーション結果
著者らは、静的およびドップラーシフトのあるチャネル環境において、5G NR MCS構成（29レベル）を用い、Joint-TSをOLLA、修正トンプソン・サンプリング（MTS）、単峰型トンプソン・サンプリング（UTS）、およびLatent-TS（LTS）と比較評価した。

• 静的チャネル： 完全なCQIを伴う静的条件下において、Joint-TSはLTS（2.68 bps/Hz）に匹敵する競争力のあるスループット（例：10 dB SINRにおいて2.54 bps/Hz）を達成した。
• 高ドップラー（移動体）シナリオ：
  • 完全なCQIがある場合： 低ドップラーシフトではUTSおよびLTSが良好な性能を示したが、高ドップラーシフト（111 Hz）においてLTSは著しく低下した。Joint-TSは、UTSと同等の安定したスループット（1.56 bps/Hz）を維持し、LTS（1.29 bps/Hz）を上回った。
  • CQIがない場合： CQIフィードバックがない場合、UTSは大きく苦戦した（111 Hzにおいて1.34 bps/Hzまで低下）。LTSは低〜中程度のドップラー設定では高いスループットを維持したが、低下を示した。Joint-TSは、すべてのドップラーシフトにわたって一貫した堅牢性を示し、111 Hzにおいて1.32 bps/Hzのスループットを維持して、UTSおよびMTSよりも優れ、LTSとも遜色のない性能を示した。

意義と主張
本論文は、Joint-TSが無線チャネル固有の構造を活用した、原理に基づいたリンク適応を提供すると主張している。MOB分布を利用することで、アルゴリズムは実行不可能なMCSの組み合わせを探索するという非効率性を回避できる。著者らは、既存のアルゴリズム（CoTSなど）も単調性を利用しようと試みているものの、それらのサンプリング手法は結合分布の特性を厳密には遵守していない可能性があると指摘している。

Joint-TSの主な意義は、その堅牢性にある。シミュレーションは、特定のシナリオ（高移動度環境やCQIフィードバックが欠落している場合など）において他のアルゴリズムが失敗する一方で、Joint-TSが一貫して競争力のあるスループットを提供することを明示している。著者らは、Joint-TSを、既存の（おそらく不正確な）ルックアップテーブルに依存しない（LTSとは異なる）、手動のパラメータチューニングなしに変化するチャネルダイナミクスに迅速に適応できるソリューションとして位置づけている。本研究は、確率的フレームワークの中に物理的制約（単調性）を強制することが、実用的かつ動的な無線環境において優れた性能につながることを示唆している。