A JEPA-Based Field-Layer World Model for Bridging Channel Prediction and Estimation

技術要約：チャネル予測と推定を橋渡しする、JEPAベースのフィールド層ワールドモデル

問題提起
現代のMIMO-OFDM無線システムにおいて、チャネル状態情報（CSI）の取得、再構成、および予測は極めて重要かつコストのかかるタスクである。生のCSI係数を直接予測することは、現実的な伝搬環境においては本質的に脆弱である。小さな空間的摂動、局所的な散乱の変化、および位相の変化は、複素数領域のチャネルにおいて大きな誤差を引き起こし、係数レベルの予測を不安定にする。さらに、実際のCSI観測値は非常に不均一であり、搬送波周波数、帯域幅、アンテナ構成、およびパイロットパターンによって変動する。既存の手法は、固定された入力形式の下でチャネル推定、再構成、または予測を個別に扱うことが多いが、安定した伝搬フィールド構造と、位相に敏感な瞬時詳細を明示的に分離できていない。その結果、生のCSI予測誤差を最小化しようとするモデルは、過去のデータから推論することが困難な、不安定で高周波な詳細に対して過学習してしまう傾向がある。

手法
著者らは、マルチ解像度のCSI観測から共有された潜在的な伝搬状態を学習するために設計された、JEPA（Joint-Embedding Predictive Architecture）ベースのフレームワークである**フィールド層ワールドモデル（Field-Layer World Model: FWM）**を提案している。

• 核心となる理念: FWMは、生のCSI係数を予測するのではなく、基礎となる伝搬フィールドの潜在表現を予測する。この潜在空間は、安定して予測可能な構造（遅延角サポート、空間共分散など）を捉える一方で、微細で位相に敏感な詳細の復元については、スパースな現在のパイロットを用いたダウンストリームの段階へと委ねる。
• アーキテクチャ:
  • トークナイザー・バンク: 一連のスケール固有のトークナイザー・ヘッド（$T_\omega$）が、不均一なCSI観測（キャリアバンド、アンテナ数、解像度の違い）を、共有された潜在的な伝搬フィールド空間へとマッピングする。
  • 潜在予測バックボーン: 共有されたJEPAバックボーン（$F$）は、可視な履歴コンテキストから、マスクされた、あるいは将来の潜在状態を推論する。これは、生の観測ドメインではなく、潜在ドメイン内で動作する。
  • ダウンストリーム・ヘッド: タスク固有のヘッド（$D_q$）は、予測された潜在フィールドと現在のスパースなパイロット観測値を組み合わせ、完全なチャネルの再構成、シンボル検出、またはビームフォーマーの設計を行う。
• 学習戦略:
  • JEPA事前学習: モデルは、指数移動平均（EMA）ターゲット・トークナイザーを用いて、マスクされた潜在トークンを予測するように学習される。目的関数には、潜在的な崩壊（latent collapse）を防ぎ、モデルが不安定な係数レベルの詳細を学習することを避けるための多様性正則化項が含まれる。
  • インクリメンタルなマルチスケール・アライメント: 入力のスケールの不均一性を扱うため、著者らは、新しいスケールのトークナイザーを事前学習済みの参照スケールにアライメントする戦略を導入している。これは、「凍結された参照（frozen-reference）」アプローチを通じて実現される。このアプローチでは、新しいスケールを学習している間、参照ブランチは固定される（またはEMAを介して更新される）ことで、最適化の負担を最小限に抑え、安定したアライメントを確保する。
• ダウンストリームへの適用: 予測された潜在フィールドは、構造化された事前情報として機能する。直接単一バンド再構成においては、これは局所的なスパースパイロットと融合される。クロスバンド再構成においては、共有された潜在構造と観測バンドからのパイロット情報を活用することで、現在のパイロットが存在しないバンドのチャネルを推論することを可能にする。

主な貢献

1. ネイティブAIフレームワーク: 履歴チャネル間の暗黙的な関係を学習し、将来のチャネルのための正確な潜在フィールド予測を生成する、無線システム向けのJEPA駆動型フレームワークを提案し、直接的な生のCSI外挿を回避する。
2. インクリメンタルなマルチスケール・アライメント: モデル全体をゼロから再学習することなく、異なる入力スケール（解像度、キャリアバンド）を同一の潜在空間にマッピングする学習戦略を導入し、拡張性を促進する。
3. 予測と推定の融合: 学習されたJEPA潜在表現をダウンストリームのチャネル再構成に適用できることを示し、歴史的な事前情報と瞬時のパイロット証拠を融合させることで、パイロットオーバーヘッドを削減し、再構成品質を向上させる。
4. 設計原則: 異なるJEPA補助ターゲット（例：多様性正則化 vs CSIドメインへの接地）およびネットワークトポロジーの影響を調査し、生の係数への適合よりもタスクに関連する空間構造を優先する原則を導き出す。

結果
実験は、シカゴの市街地シナリオにおけるSionna RTを用いて生成された、サブ6GHzおよびミリ波帯をカバーし、解像度が異なるデータセットを用いて行われた。

• 潜在予測: JEPAの多様性目的関数は、直接的なCSI復元や振幅復元を含む目的関数を大幅に上回った。これは、潜在空間が係数の詳細ではなく、安定した構造に焦点を当てるべきであることを裏付けている。
• 学習戦略: 凍結参照インクリメンタル・アライメント戦略は、ゼロからの共同マルチスケール学習や進化する参照ブランチよりも優れていることが証明され、より低く安定した潜在予測NMSEを達成した。
• ダウンストリーム性能:
  • 再構成およびSER: FWMは、チャネル再構成のNMSEおよび16-QAMシンボル誤り率（SER）において、単純な推定および直接学習といったベースラインを一貫して上回った。これは特にパイロットオーバーヘッドが低い場合に顕著であった。
  • ビームフォーミングの利得: 極めて重要なことに、エンドツーエンドのベースラインに対するNMSEの改善は時に緩やかであったものの、FWMは実質的なビームフォーミング利得をもたらした。予測された潜在的な事前情報は、直接学習よりも支配的な空間固有方向および共分散構造をより良く保持しており、それが高いビームフォーミング性能比（$G_{n,T}$）と固有ベクトル類似性に繋がっている。
  • クロスバンド能力: モデルは、観測されたバンドからの空間情報を共有された潜在フィールドを介して転送することにより、現在のパイロットが存在しないバンドのチャネルを正常に再構成した。

意義および主張
本論文は、FWMが「生のチャネルドメインにおけるタスク固有のマッピング」から「共有された物理的潜在空間における表現中心の推論」への転換を提示していると主張している。その主要な意義は、伝搬フィールドの構造を予測することは、生のCSI係数を予測することよりも堅牢であり、通信タスクにとって有用であるということを示した点にある。

著者らは、FWMは現在のチャネル推定を置き換えるものではなく、それを拡張するものであると強調している。移動性の不確実性が存在する中で、時間および周波数を通じて安定しているタスクに関連する空間伝搬構造（支配的な固有空間など）を捉えることで、FWMは強力な事前情報を提供し、生の係数レベルの誤差（NMSE）が劇的に減少しない場合でも、ビームフォーミングやシンボル検出を大幅に改善する。このアプローチは、位相に敏感なCSI予測の根本的な限界に対処し、異なるシステム構成間でヘテロジニアスな無線観測を扱うためのスケーラブルな道筋を提示している。