人们很容易想当然地认为，信息预处理、无线传输以及在另一台设备上进行精细处理的过程是无缝的。但无线通信的未来可能更加复杂，因为科学家们正在努力实现一种新的概念，即数据不仅能无线传输，还能在空中进行处理。

这一概念被称为“空中计算”（Over-the-Air Computation，简称AirComp），目前仍处于早期阶段。来自中国和新加坡的一组研究人员通过模拟验证，他们的方法能够在空中同时处理多个数据集群。相关研究成果发表于5月30日的《IEEE无线通信学报》（IEEE Transactions on Wireless Communications）上。

唐晓是西安交通大学的副教授。他表示，当需要同时从多个设备收集数据时，AirComp 尤其有用，例如在环境传感器、智慧城市等场景下，或在多个用户设备上高效更新AI 模型。

Tang 表示：“AirComp 巧妙地允许设备使用相同的无线信道同时传输数据，而不是分别从每个设备发送数据，因为这样做速度慢且占用大量资源。”

使用 AirComp 进行高效数据处理

信号在传输过程中会自然地在空气中组合或叠加。从数学意义上讲，这类似于信号的总和或平均值，然后被接收器接收。由于这些叠加信号的存在，无需单独处理每个原始信号。“这使得从大量设备收集和处理数据变得异常快速和高效，”唐说。

在他们的研究中，Tang 和同事们希望创建一种 AirComp 方法，能够在空中同时传输和处理多个数据集群，每个集群完成一项不同的计算。这里的挑战是如何有效地缓解集群之间的干扰。Tang 将其比作电话线上的串扰。

为了解决这个问题，研究人员结合了两种不同的机器学习技术，实现了他们新颖的 AirComp 方法。第一种称为展开算法，用于系统地识别 AI 模型的优化计算；第二种称为图神经网络，用于学习识别和减少跨集群信号干扰。

在他们的研究中，研究人员通过模拟不同数量的天线、设备和集群，以及100到1000米的距离来测试他们的新方法。他们还将他们的新型展开深度图学习方法与传统的AirComp方法的性能进行了比较。

“我们提出的模型始终优于其他方法，实现了更高的整体计算速度，”唐说道，“这种优势在干扰严重、传统方法难以应对的场景中尤为明显。”

他补充说，新模型一旦经过训练，就能“立即生成高效的解决方案”，并且能够处理比最初训练时更多的数据集群。例如，尽管该模型最初被训练为处理 5 个数据集群，但在处理 10 个集群时仍然表现良好。

研究团队在此基础上有几个不同的目标，包括使用硬件在真实环境中测试该方法。唐表示，他的团队还希望扩展该模型，使其能够处理更多种类的空中计算。

他说： “虽然这项研究主要集中在‘求和’函数上，但我们计划扩展该框架，以便通过无线方式处理更多种类、更复杂的数学函数，从而拓宽其应用范围。”