일반 잡음 채널을 이용한 네트워크 기반 합의 평균화

본 연구는 그래프 기반 분산 시스템에서 노드들이 서로 다른 초기값을 가지고 있을 때, 전체 네트워크가 동일한 평균값에 수렴하도록 하는 합의 평균화 문제를 다룬다. 기존 연구들은 주로 완전하거나 잡음이 없는 통신 채널을 전제로 했지만, 실제 센서 네트워크나 무선 시스템에서는 저장 오류, 전송 잡음, 비트 제한 양자화 등 다양한 형태의 잡음이 존재한다. 이러한 현실적인 제약을 반영하기 위해 저자들은 일반적인 확률적 잡음 모델을 정의하고, 이를 포함한 업데이트 규칙을 제안한다. 먼저, 그래프 G=(V,E)와 그 라플라시안 L을 정의하고, 각 노드 v∈V가 보유한 추정값 θₙ(v)를 시간 n에서 업데이트한다. 업데이트는 다음과 같다. 각 노드 t는 자신의 현재 추정값 θₙ(t)와 잡음 ξₙ₊₁(t,r)을 이용해 메시지 Yₙ₊₁(r,t)를 생성하고, 인접 노드 r은 이 메시지를 받아 L와 Hadamard 곱을 수행한 뒤, 감소 단계 크기 εₙ을 곱해 자신의 추정값에 더한다. 수식으로는 θₙ₊₁ = θₙ – εₙ·L⊙Yₙ₊₁·1ᵀ이다. 여기서 εₙ은 Θ(1/n) 형태로 점차 감소한다. 논문은 이 이산 시간 확률 과정에 대해 두 가지 주요 결과를 제시한다. 첫 번째는 강한 일관성(strong consistency)이다. 즉, εₙ가 1/n 비율로 감소하면, 모든 초기값에 대해 θₙ는 거의 확실히(확률 1) 전체 평균 θ* = x·1 로 수렴한다. 이는 ODE 방법을 이용해 연속 시간 동역학으로 근사하고, 해당 동역학이 전역적으로 안정함을 보임으로써 증명된다. 두 번째는 중앙극한정리 형태의 수렴 속도이다. 라플라시안의 두 번째 고유값 λ₂(L)이 1/2보다 큰 경우, √n 스케일로 재조정된 오차 √n(θₙ–θ*)는 다변량 정규분포 N(0, UᵀePeU)로 수렴한다. 여기서 U는 L의 고유벡터 행렬, eP는 연속 시간 Lyapunov 방정식 J–I/2·eP+eP·(J–I/2)ᵀ = eΣθ* 를 만족하는 (m–1)×(m–1) 행렬이며, Σθ*는 잡음에 대한 조건부 공분산이다. 이 식은 잡음 구조와 그래프 스펙트럼이 최종 오차 공분산을 어떻게 결정하는지를 명확히 보여준다. 다음으로, 논문은 세 가지 구체적인 잡음 모델에 대해 위 결과를 특수화한다. (1) Additive Edge‑based Noise (AEN) 모델에서는 각 링크마다 독립적인 잡음 ξₙ₊₁(t,r)∼N(0,σ²)가 추가된다. 이 경우 Σθ*가 대각 행렬이 되며, 최종 평균 MSE(AMSE)는 식 (18)으로 상한이 주어진다. (2) Additive Node‑based Noise (ANN) 모델에서는 노드마다 동일한 잡음이 모든 인접 링크에 공유된다. (3) Bit‑Constrained (BC) 모델은 양자화와 디더링을 포함한다. 두 모델 모두 Σθ*가 대각이 아니지만, 식 (19)에 의해 정확한 AMSE가 구해진다. 특히, 양자화 잡음의 분산은 E