Mean Gain Is Not a Guarantee: Risk-Controlled Open-Loop Scheduling for Ka-Band LEO Semantic Downlinks

技術要約：KaバンドLEOセマンティック・ダウンリンクのためのリスク制御型オープンループ・スケジューリング

問題提起
低軌道（LEO）衛星は、限られた電力予算と短い通信ウィンドウの中で画像ダウンリンクを行うという深刻な制約に直面している。天候統計（好適なチャネル状態）に基づいて電力をより多く割り当てる適応型スケジューリング戦略は、理論的には配信される画像の数を増加させるが、LEOの遅延と移動性のためにリアルタイムのチャネル状態情報（CSI）が古くなってしまうため、オープンループによる計画に依存せざるを得ない。

特定された核心的な問題は、従来のスケジューリング指標が、非適応的な参照モデル（一様電力）に対する平均利得に焦点を当てている点である。著者は、この指標は一度のパス（通過）につき一度しか試行できない運用者にとって誤解を招くものであると主張している。スケジューラーは正の平均利得を示す一方で、個々のパスにおいて一様電力よりも多くの画像を配信できない「バックファイア（逆効果）」事象がかなりの割合で発生する可能性がある。さらに、完璧な天候軌道を知る「ジーニー（精霊）」であっても、基礎となるセマンティック・コーデックが、スロットの延期が確実な失敗を招くような「浅い」応答曲線を持つ場合、このリスクを排除することはできない。

手法
本論文は、設計目標を平均利得の最大化から、一様電力の性能を下回る確率の境界を保証することへと転換する、リスク制御型オープンループ・スケジューリングフレームワークを提案している。

1. システムモデル:

   • チャネル: KaバンドのLEOパスは、決定論的な幾何学的コンポーネント（仰角、経路損失）と、ITU-R P.1853およびガウス・マルコフ・ストレスモデルを用いて合成された確率的な天候コンポーネント（降雨減衰）を用いてモデル化される。
   • コーデック: 同一の潜在表現に対して3つのセマンティック・コーデックを評価する：
     • 学習型レシーバー: 推定されたSNRと降雨条件に基づいて精緻化ステップを行う、変分オートエンコーダベースのレシーバー。これは、品質が緩やかに劣化する「浅い」応答を示すが、急激な破綻（クリフ）にはほとんど達しない。
     • ACMラダー: 複数の離散的なステップを持つ適応符号化変調（ACM）スキーム（階段状の応答）。
     • クリフ・コーデック: 理想的な容量達成符号を持つ単一レート・システムであり、レートが満たされない場合は完全に失敗する（ステップ応答）。
   • スケジューラー: オープンループ・スケジューラーは、予測された降雨マージン $m_t(s) = \mu(\epsilon_t) + s\sigma(\epsilon_t)$ （ここで $s$ は乗数）に基づいて、送信するタイムスロットのサブセットを選択する。電力は予測された利得に反比例して割り当てられる。

2. キャリブレーション・ターゲット:

   • 従来のターゲット（予測信頼性）: 予測が実際の降雨を高い割合（例：95%）でカバーするようにマージン $s$ を設定すること。著者は、これがシステム性能における拘束条件ではないことを示している。
   • 提案されたターゲット（意思決定リスク）: マージン $s$ を調整して、**パスごとの不足率（shortfall rate）**を制御すること。損失関数は $L_s(P) = \mathbb{I}[D_u(P) - D_s(P) > c]$ と定義される。ここで、$D$ は配信された画像の数、$u$ は一様電力、$s$ はスケジューリングされた電力、$c$ は閾値（1画像に設定）である。目標は、この損失が発生する確率を、ユーザーが指定したリスク予算 $\epsilon$ 以下に抑えることである。

3. リスク制御メカニズム:
   本論文では、Learn-then-Test手順（コンフォーマル・リスク制御の一種）を採用している。

   • 候補（マージン乗数 $s$）は、設計分割（design split）における推定性能に基づいて順序付けられる。
   • 各候補は、キャリブレーション・セットを用いた厳密な二項検定を用いて、帰無仮説 $H_s: R(s) > \epsilon$ （ここで $R(s)$ は真のリスク）に対してテストされる。
   • テストは、最初の非拒絶（non-rejection）で停止する。これにより、選択されたスケジュールが、将来のパスの $\epsilon$ 分率を超えて一様電力を下回ることはないという高い信頼度で保証される。

主な結果
実験は、EuroSAT RGB画像と800のキャリブレーション／500の評価パスを用いて行われた。

• 平均利得 vs. パスごとのリスク: 学習型レシーバーの場合、最適なマージンは配信画像数の平均を0.83から1.69画像改善した。しかし、この正の平均利得は、最適なマージンにおける不足率が0.260から0.316であること（スイープ全体での最小不足率は0.250）と共存しており、これはスケジューラーが26〜32%のパスにおいて一様電力よりも劣るパフォーマンスであったことを意味する。
• 「ジーニー」の限界: 降雨軌道に関する完全な知識を持つスケジューラー（ジーニー-CSI）であっても、0.314のパスで失敗した。これは、リスクがコーデックの浅い応答と問題のオープンループ的な性質に起因するものであり、単なるフィードバックの欠如によるものではないことを示している。
• コーデックへの依存性:
  • 学習型レシーバーは、厳格なリスク予算（$\epsilon = 0.10$）での認証ができず、手順は正しく「一様電力」を唯一の安全な選択肢として返した。
  • ACMラダー（+8 dB）は、19個の候補のうち6個の認証に成功し、測定された不足率は0.060（予算内）でありながら、平均で約7.33枚の画像を多く配信した。
  • クリフ・コーデックはすべての候補を認証したが、一様ベースラインがゼロ（スケジューリングなしでは何も配信できない）であったため、その保証は空虚なものとなった。
• リスク予算のトレードオフ: 本論文は、オペレーターの許容リスク（$\epsilon$）とスケジューリング可能な候補数の関係を定量化している。学習型レシーバーの場合、認証は高いリスク予算（$\epsilon \approx 0.35$）においてのみ可能となったが、ACMラダーは $\epsilon = 0.10$ で認証可能であった。

意義および主張
本論文は、LEOのセマンティック・ダウンリンクにおいて、平均利得はスケジューリング決定のための不十分な指標であると主張している。平均を向上させるスケジューラーであっても、かなりの割合でパスに悪影響を及ぼす可能性があり、これはコーデックの応答が十分に鋭くない場合、完璧なチャネル知識を用いても軽減できないリスクである。

本論文の主要な貢献は、以下の機能を持つ認証されたスケジューリング手順である：

1. 従来の目標である「信頼性の高い天候予測」を、直接的なスケジューリング決定のリスクに対する保証へと置き換える。
2. Learn-then-Testを用いて、スケジューラーが指定された率を超えてバックファイアを起こさないという統計的保証を提供する。
3. これがフィルターとして機能することを実証した。すなわち、浅い応答を持つ学習型コーデックにはスケジューリングを拒否（一様電力を推奨）する一方で、より鋭い応答曲線を持つコーデック（ACMラダーなど）に対してはスケジューリングを認証する。

著者は、オペレーターがこのフレームワークを用いることで、許容可能なバックファイア率を設定し、歴史的なデータに基づいて、自身の特定のコーデックとチャネル条件に対してスケジューリングが実行可能な戦略であるかどうかを、平均的な性能向上に盲従することなく判断できると結論付けている。