混み合った部屋の様子を、個々の話し手の声を聞き分けることはできず、ただ全員の声が混ざり合った総体的な「騒音」として、ただ耳にするだけで理解しようとする場面を想像してみてください。それが、従来の無線ネットワークが電波を理解しようとしてきた方法に近いものです。彼らは、壁や車、人々に跳ね返ったあらゆる電波が入り混じった、乱雑で絡まり合った「チャンネル」を見てきました。数十年にわたり、科学者たちは、これらの信号がどのように振る舞うかを予測するために、膨大なデータで学習させた超スマートなAIの脳、すなわち「基盤モデル」を構築しようと試みてきました。これらのモデルは、無線界における「GPT」のようなものであり、位置情報の特定、スマートフォンを最も速い信号ビームに接続すること、あるいは基地局との間に直接の視線（見通し）があるかどうかを判断するといったタスクを支援するために設計されています。しかし、そこには落とし穴がありました。これらのモデルは、「話し手」ではなく「騒音」を学習しようとしてきたのです。彼らは信号を、巨大で混乱した数字のグリッドとして扱い、その信号が実際には、鏡に反射する光のビームのように、個別の「経路（パス）」によって構成されているという事実を無視していました。

ここから物語は面白くなります。カーネギーメロン大学の研究者たちは、シンプルな問いを投げかけました。「もし、この乱雑な騒音を暗記しようとするのをやめて、個々の経路を理解するようにAIを教え込んだらどうなるだろうか？」と。彼らは、電波はただ現れるのではなく、特定の形で移動し、跳ね返り、散乱するということに気づきました。それぞれの経路を物語の中の個別の登場人物として扱うことで、彼らは、単なるノイズの数学ではなく、その空間の物理学を理解するモデルを構築したいと考えたのです。これは、5Gや6Gネットワークによって世界がより混雑していく中で、都市やスタジアムのような複雑な環境をナビゲートできる、よりスマートで高速かつ正確な信号が必要とされるため、非常に重要なことです。

ここで、ゲームのルールを変える新しい種類のAI基盤モデル、MultiPathFormerが登場します。MultiPathFormerは、無線信号を巨大で絡まり合ったスプレッドシートとして見るのではなく、それを一つの「物語」として扱うことに決めました。あなたが電波となって基地局からスマートフォンへと旅をしているところを想像してみてください。あなたはただ直線的に進むのではありません。ガラス張りのビルに跳ね返ったり、車の屋根をかすめたり、角を回り込んだりします。これらの跳ね返りの一つひとつが「経路（パス）」です。MultiPathFormerモデルは、基地局と電話の間の接続を見ると、それを単なるデータの塊としてではなく、強いものから弱いものへと並べられた、これら経路の順序付けられたリストとして捉えます。

このモデルは、「次パス予測（next-path prediction）」と呼ばれる手法を用いて学習されます。これは、「マッドリップス（穴埋め問題）」や物語の続きを当てるゲームのようなものです。AIには最初の数個の経路（最も強いもの）が示され、次に続く経路がどのようなものかを推測しなければなりません。AIは、「それはどれくらいの時間がかかって到達したのか？」「信号の強さはどのくらいか？」「壁に当たったのか、それとも窓を通して散乱したのか？」といったことを解明する必要があります。これを実現するために、モデルは、言語モデルが文章を理解するのと同様に、シーケンス（連続したデータ）を理解することに長けた特殊な「バックボーン」（トランスフォーマーと呼ばれる種類のニューラルネットワーク）を使用しています。

しかし、著者たちは、単に次の経路を推測するだけでは不十分であり、AIは「シーン（場面）」を知る必要があることに気づきました。もしあなたが街の中にいるなら、経路は森の中にいる場合とは異なるはずです。これを解決するために、彼らは2つの巧妙なトリックを加えました。第一に、「環境RAG（Environmental RAG）」システムを構築しました。これは、AIに地図と近くにある物体の一覧を与えておくようなものです。次の経路を予測する前に、AIは周囲の幾何学的構造、つまり建物がどこにあり、どのくらいの高さで、どのような素材でできているかという情報を参照し、より賢い推測を行います。第二に、「ファーストパス・コードブック（First-Path Codebook）」を追加しました。最初の経路は通常、最も強く最も重要であるため（物語における主役のようなものです）、参照ガイドを作成しました。このコードブックは、ユーザーをその位置や、通常得られる信号のタイプに基づいてクラスター化し、残りの詳細を埋める前に、その最初で最も重要な経路に対して非常に正確な予測を行うことを可能にします。

著者たちが実施したシミュレーションにおける結果は、極めて印象的です。彼らは27種類の異なる環境から、2,300万個以上のパス・トークンを用いてMultiPathFormerを学習させました。テストを行った際、モデルは単に推測しただけでなく、電波がどのように動くかという根本的なルールを学習しました。

精度に関して、このモデルは、従来のメソッドよりも経路の遅延と電力をはるかに正確に予測できることを示しました。具体的には、環境マップとファーストパス参照ガイドの組み合わせにより、信号遅延の予測誤差は約38.7%、信号電力の予測誤差は、これらのトリックを使用しなかったモデルと比較して、驚異的な59.2%の減少を実現しました。

しかし、本当のテストは、この「経路ベース」の脳が、実際に現実世界のタスクに役立つかどうかでした。研究者たちは、MultiPathFormerを以下の4つの異なる課題に投入しました：

1. ビーム予測（Beam Prediction）：最高の信号を得るためにアンテナをどの方向に向ければよいかを判断すること。MultiPathFormerは、上位3つの正しいビームを91.4%の確率で的中させ、従来の最良モデルを上回りました。
2. 位置推定（Localization）：ユーザーが正確にどこに立っているかを判断すること。モデルの平均誤差はわずか5.57メートルであり、他のモデルで見られた68メートルから82メートルの誤差と比較して、劇的な改善となりました。
3. 見通し判定（Line-of-Sight Classification）：ユーザーが基地局を直接見渡せる状態にあるか、あるいは何かが遮っているかを判断すること。モデルの正解率は99.4%でした。
4. チャネル推定（Channel Estimation）：部分的なデータから完全な信号の全体像を再構成すること。モデルは0.561のスコアを達成し、標準的なモデルを凌駕しました。

著者たちはまた、このモデルが非常に柔軟であることも発見しました。たとえ一度も見たことがない新しい環境を与えられたとしても、特にその場所に対して追加の学習（ファインチューニング）を行えば、良好なパフォーマンスを発揮できました。また、予測はわずか数ミリ秒で行われるため、リアルタイムでの使用にも十分な速度を備えています。

この論文は、バラバラな「チャネル」全体に焦点を当てるのではなく、個々の「経路」に焦点を当てることで、より解釈可能で、より正確で、物理的世界をより良く理解する無線AIを構築できることを示唆しています。著者らは、これらの結果が高精度なシミュレーション（実際の電波を模倣するためのレイトレーシング・ソフトウェアを使用）に基づいているものの、次のステップは、これらの利点が、実際の街路のような、乱雑で予測不可能な現実の世界でも維持されるかどうかを確認することであると述べています。しかし、現時点では、MultiPathFormerは、機械に私たちの周囲にある目に見えない世界を「聴かせる」ための、有望な新しい方法を提示しています。