네트워크 커버리지 지도는 계속 확장되고 있으나, 원격 지역에 위치한 많은 기기들은 지상 통신 인프라에 연결되지 못해, 데이터 기반 서비스에 접근하지 못하고 있다. 본 논문에서는 원격 지역에서의 기계학습 서비스 관리를 촉진하기 위한 협력적 지상-위성 연합학습(FL) 방법론을 제안한다. 우리의 방법론은 연합학습 동안 위성 성좌(satellite constellation)가 다음의 핵심 기능을 수행하도록 오케스트레이션한다: (i) 지상 기기에서 오프로딩(offloading)된 데이터를 처리하고, (ii) 기기 클러스터 내에서 모델을 집계하며, (iii) 위성 간 링크(inter-satellite links, ISLs)를 통해 다른 위성으로 모델/데이터를 중계한다. 특정 원격 지역에 대해 각 위성이 커버하는 시간은 제한되어 있으므로, ISL을 통해 이웃 위성으로 훈련된 모델과 획득한 데이터를 위성이 전송할 수 있도록 하여, 유입되는 위성(incoming satellite)이 해당 지역에 대해 연합학습을 계속 수행할 수 있게 한다. 또한, 지상 기기에서 위성으로 오프로딩할 데이터의 양을 최적화하는 학습 지연 최소화기를 개발한다. 벤치마크 데이터셋에 대한 실험을 통해, 본 제안 방식이 지상만 사용한 경우 및 다른 위성 기반 기준 접근법에 비해 연합학습의 수렴을 유의미하게 가속할 수 있음을 보인다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.