セルエッジ電力制御における Agentic Autoresearch ──手動設計を全廃して従来の 600 倍高速な推論を実現

論文概要

無線通信におけるリソース管理アルゴリズムの設計は、アーキテクチャや損失関数、学習レシピの多くを手動で行うため多大な労力を要する。本論文では、この設計レイヤーを自律型エージェントに完全に委ねる autoresearch プロトコルを提案している。マルチセルネットワークにおけるセルエッジの sum-least-percentile-rate 電力制御という非凸・非滑らかかつ強く NP 困難なタスクを対象とし、81 回の無人実験（26 時間）を通じて、従来の収束型マイノライゼーション・マキシマイゼーション（MM）参照手法の 99.5% の性能に到達しつつ、推論コストを約 600 倍削減することに成功した。

関連研究

従来、無線リソース管理や電力制御の領域では、モデルベースの最適化アルゴリズムやディープラーニングを用いた代理モデルの学習が広く行われてきた。しかし、それらの設計プロセスやハイパーパラメータの調整は依然として人間の研究者に依存しており、非凸で複雑な目的関数に対する最適化では汎用的な設計自動化が困難であった。本研究は、コード修正から検証までを自律的にループさせるコーディングエージェントを導入することで、人間の手動チューニングの限界を打破する点に新規性がある。

新規性と貢献

本研究の最大の貢献は、無線リソース管理の設計そのものを自律型エージェントに完全委任し、人間が記述したチューニング済み定数ではなく、証明可能な構造（max-min 最適配分を再現する出力パラメータ化など）をエージェントが自ら発見した点にある。ハッシュ留めの評価器や事前登録された偽証チェックといった安全装置を導入することで、自動探索結果の信頼性を担保している。

提案手法の詳細

autoresearch プロトコルでは、AI コーディングエージェントがトレーニングスクリプトを直接編集し、固定予算の実験を実行、単一の不変メトリクスに基づいて変更の採用・破棄を判断する。エージェントにはアーキテクチャファミリー、入力表現、出力パラメータ化、損失関数、タスクサンプリング則の制御権が与えられている。これにより、複雑なマルチセル環境下でも単一のパラメータセットであらゆるネットワークサイズとパーセンタイル目標に対応するモデルの構築が可能となった。

評価・考察

26 時間にわたる 81 回の無人実験の結果、エージェントが発見したモデルは、固定コストの 1 回の推論パスで従来の収束型 MM 参照手法の 99.5% の性能を達成した。さらに、初期の動作可能なアーキテクチャから見られた性能ギャップの 94% を解消し、推論コストを約 600 倍削減している。発見された出力パラメータ化は、単なるチューニング定数ではなく、最小パーセンタイルにおける厳密な max-min 最適配分を任意の訓練済みウェイト値に対して再現できることを確認した。

応用例と今後の展望

本手法は、5G/6G 通信インフラや基地局の無線リソース管理（RRM）といった通信分野において、アルゴリズム開発コストを劇的に削減する実務インパクトを持つ。特に日本の通信キャリアや通信機器ベンダーにおける、複雑なセルエッジ電力制御の最適化やパラメータ設計の自動化への応用が期待される。今後は、より多様な無線環境やリアルタイム動的変動を伴うシナリオへの拡張が課題となる。

結論

無線リソース管理の設計プロセス全体を自律型エージェントに委ねる autoresearch プロトコルの有効性が実証された。本手法により、従来の収束型アルゴリズムと同等の性能を維持しながら、推論コストの大幅な削減と自律的な構造発見が可能になることが示された。

注釈

• マイノライゼーション・マキシマイゼーション (MM) 法: 非凸最適化問題において、目的関数の下界（minorization）を最大化（maximization）する反復的な最適化手法。
• セルエッジ電力制御: セルラー網の境界付近に位置する通信端末に対して、干渉を抑えつつ通信品質を確保するための電力配分の最適化問題。