arXiv · cs.AI· Seyed Mohammad Azimi-Abarghouyi, Christopher G. Brinton·· 6 小时前
AirPASS：基于漏波天线系统的空口联邦学习优化框架
AirPASS: Over-the-Air Federated Learning via Pinching Antenna Systems
arXiv:2607.06768v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Seyed Mohammad Azimi-Abarghouyi, Christopher G. Brinton
研究任务与主要进展
论文研究接入点配备多波导漏波天线系统（PASS）的空口联邦学习，目标是在聚合失真低于阈值的前提下最大化选中设备数量。作者提出 AirPASS 交替优化框架，包含两个组件：在固定天线配置下用同伦-黎曼边际巩固方法优化设备选择与接收波束赋形，以及在固定设备与波束赋形器下用同伦辅助几何优化更新天线位置。基于论文摘要，实验细节材料未说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org