ツール/フレームワーク重要度 ★8
大規模・高次MIMO検出のためのLearning-to-Transition
Learning-to-Transition for Large-scale and High-Order MIMO Detection
https://export.arxiv.org/api/query·2026/8/14
AI要約
高次MIMO検出のために、遷移学習（L2T）フレームワークを提案。Transformerを用いて、インスタンス埋め込みとサンプリングポリシーを更新し、効率的かつ高精度な検出を実現する。
AI要点
- 大規模・高次MIMO検出のための「Learning-to-Transition (L2T)」フレームワークを開発。
- MIMO検出を、チャネル結合Transformerによる逐次的な完全ベクトル遷移として定式化。
- ブロック単位の自己回帰分解により、ストリーム間の依存性を適度な系列複雑度で捉える。
- ハード出力検出では、残留誤差を基準としたカリキュラム学習により検索ジオメトリを学習。
- ソフト出力受信では、学習済みハードポリシーをIDD受信機に転移させ、デコーダーフィードバック下で適応。
なぜ重要か
L2Tフレームワークは、MIMO検出における計算効率と検出精度を両立させ、次世代の無線通信システムにおけるデータ伝送レートと信頼性の向上に貢献する。