深層生成モデルと「言語設計」によるセマンティック通信の探究
小島研究室では、深層生成モデル（Deep Generative Models）を活用し、データの「意味」そのものを抽出・伝送する次世代の通信パラダイム「セマンティック通信」を探究しています。 従来の通信理論（シャノン理論）は、ビットの正確な伝送を目的としてきました。しかし私たちは、通信を「言語設計（Language Design）」と「言語活用（Language Exploitation）」の最適化問題として捉え直しています。具体的には、変分オートエンコーダ（VAE）や敵対的生成ネットワーク（GAN）を用いた合同情報源通信路符号化（Deep JSCC）により、通信路の特性に合わせて動的に「言語（符号化ルール）」を獲得・最適化するシステムを構築しています。 このアプローチにより、受信側での「意味的歪み（Semantic Distortion）」を最小化しつつ、従来のシャノン限界を遥かに超えるデータ圧縮を実現します。これは単なる効率化にとどまらず、知識ベースの共有による超高効率な通信を可能にし、人間とAI、あるいはAIエージェント同士が高度に協調する6G/IoT時代の基盤技術となります。

Exploring Semantic Communication via Deep Generative Models and Language Design
We explore "Semantic Communication," a next-generation paradigm that utilizes deep generative models to extract and transmit the "meaning" of data directly, transcending the bit-level accuracy focus of traditional Shannon theory. Drawing on the theoretical frameworks of "Language Design" and "Language Exploitation," we redefine communication as an optimization problem of semantic fidelity versus transmission cost. Specifically, we implement Deep Joint Source-Channel Coding (Deep JSCC) using Variational Autoencoders (VAEs) and Generative Adversarial Networks (GANs). This allows our systems to dynamically learn and optimize the "language" (encoding rules) suited to the channel characteristics. By minimizing semantic distortion at the receiver, we achieve data compression rates that far surpass traditional Shannon limits. Our goal is to enable ultra-efficient communication through shared knowledge bases, accelerating advanced collaboration between humans and AI, as well as among autonomous AI agents in the coming 6G and IoT era.

物理層の「ゆらぎ」と「流体制御」による究極のセキュリティ
小島研究室では、無線チャネルの物理的特性である「相反性」と「時間変動性」を利用して秘密鍵を共有する「物理層鍵生成（PLKG）」を研究しています。これは、計算能力に依存しない情報理論的安全性を保証する、量子コンピュータ時代の究極のセキュリティ技術です。 私たちは特に、TV塔やWi-Fiなどの既存電波を利用する「アンビエント後方散乱通信」環境に着目しています。チャネル変動が乏しい静的な環境下においても、スプライン補間（Spline Interpolation）技術を駆使して信号のゆらぎを補完し、鍵生成レートを飛躍的に向上させます。 さらに、最新の通信制御技術であるFluid Reconfigurable Intelligent Surface (FRIS) の導入にも取り組んでいます。従来の固定的な反射板（RIS）とは異なり、FRISは液体を用いたアンテナ素子の「位置」を物理的に変化させることができます。この「位置の自由度」を利用して電波伝搬路を動的に最適化・再構成することで、通信性能の向上とともに、鍵生成に必要な「チャネルのランダム性」を能動的に創出し、セキュリティ強度を極限まで高めることを目指しています。

Ultimate Security via Channel Randomness and Fluid Control
We explore Physical Layer Key Generation (PLKG), a paradigm that exploits the inherent reciprocity and temporal variation of wireless channels to extract shared secret keys. Unlike traditional cryptography, PLKG guarantees information-theoretic security, ensuring safety against computationally unbounded adversaries like quantum computers. Our research specifically targets Ambient Backscatter Communication environments utilizing existing RF signals. To overcome low entropy in static scenarios, we employ Spline Interpolation to enhance the Secret Key Rate (SKR) significantly. Furthermore, we are pioneering the integration of Fluid Reconfigurable Intelligent Surface (FRIS) technology. Unlike conventional fixed RIS, FRIS allows for the physical repositioning of fluid antenna elements, adding a new degree of freedom to wireless channels. By leveraging this position reconfigurability to dynamically reshape the propagation environment, we aim to not only boost communication performance but also proactively induce channel randomness, thereby maximizing security performance.

大気乱流を克服する光無線通信（FSO）の高度化
Beyond 5G/6G時代の通信インフラとして、電波（RF）通信の帯域不足を解消し、圧倒的な大容量・低遅延・秘匿性を提供する「自由空間光通信（FSO）」への期待が高まっています。しかし、屋外の長距離伝送においては、大気の温度や密度の不均一が生み出す「大気乱流（Atmospheric Turbulence）」がレーザー光を歪ませ、通信品質を著しく劣化させることが最大の障壁となっています。 小島研究室では、この大気乱流の影響を克服するため、物理層の深い理解に基づいた高度なチャネル推定技術と、適応的な補償手法の開発に取り組んでいます。特に、深層学習等の機械学習技術を導入することで、複雑かつ高速に変動する乱流パターンを精緻にモデル化し、リアルタイムでの信号復元を可能にします。 私たちは、この技術により光無線リンクを堅牢化し、都市間の大容量バックホール回線や、衛星・HAPS（成層圏プラットフォーム）を結ぶ非地上系ネットワーク（NTN）において、光ファイバに匹敵する安定した通信環境の実現を目指しています。

Advancing Free-Space Optical (FSO) Communication against Atmospheric Turbulence
Free-Space Optical (FSO) communication is poised to be a game-changer in the Beyond 5G/6G era, offering overwhelming capacity, ultra-low latency, and superior secrecy compared to congested RF spectrums. However, widespread deployment faces a critical challenge: "atmospheric turbulence." This phenomenon, caused by random fluctuations in the refractive index of air, induces severe signal fading (scintillation) and beam wandering, disrupting link stability. To address this, our laboratory is developing advanced channel estimation and compensation techniques that fuse rigorous physical layer modeling with cutting-edge machine learning. By dynamically predicting and correcting for turbulence-induced distortions, we aim to stabilize FSO links even under adverse weather conditions. Our ultimate goal is to enable robust, fiber-like wireless connectivity for next-generation applications, ranging from high-capacity terrestrial backhaul links to Non-Terrestrial Networks (NTN) connecting satellites and High-Altitude Platform Stations (HAPS).