OptiVote: 基于FSO的联邦学习，用于空间数据中心

本文解决了在带宽和能源受限的空间数据中心中实现高效联邦学习的挑战。作者提出了OptiVote，一种新颖的非相干自由空间光（FSO）AirComp框架，通过消除对精确相位同步的需求，克服了传统相干AirComp的局限性。这是一项重大贡献，因为它使联邦学习在具有挑战性的空间环境中更具实用性。

• •提出了 OptiVote，一种用于空间数据中心联邦学习的非相干 FSO AirComp 框架。
• •利用 signSGD、多数投票聚合和 PPM 实现通信效率和鲁棒性。
• •消除了对精确相位同步的需求，解决了空间环境中的一个关键挑战。
• •引入了无 CSI 的动态功率控制方案以减轻聚合偏差。
• •提供了理论分析和收敛保证。