テキストには Transformer が来た。音声には Wav2Vec が来た。では I/Q 信号には何が来るのか。

2026年8月、そのための基盤モデルのひとつが arXiv に上がった。Radio-FM（arXiv:2608.05793）だ。名前は直球だけど、設計の中身には無線信号に固有の問いが詰まっている。

I/Q 信号はなぜ特別なのか

無線受信機の出力はほとんど I/Q 形式で出てくる。実数の時系列ではなく、I（同相）と Q（直交位相）の二つの実数列が対になっている。これは複素基底帯域信号の実部と虚部だ。

$z[n] = I[n] + j\,Q[n]$

ここで重要なのは、I と Q は「ただの2チャネル」ではないという点だ。振幅は $\sqrt{I^2 + Q^2}$、位相は $\mathrm{atan2}(Q, I)$ として現れる。変調方式ごとのコンステレーションは I/Q 平面上の点群として定義される。QPSK なら4点、16QAM なら16点——I と Q の値を独立した実数列として切り離してしまうと、こうした幾何的な構造が失われてしまう。

かといって複素数値ネットワークを素直に使うのも一筋縄ではいかない。学習が不安定になりやすいし、実装コストも上がる。

Radio-FM のデュアルチャネル設計

Radio-FM が採った設計は「デュアルチャネル処理」と呼ばれるものだ。I と Q を完全に独立して処理するのでも、最初から融合して処理するのでもなく、その間のどこかを取る。

まず I と Q それぞれの時間方向のパターンをある程度独立に学習させる。そのうえで、チャネル間の相互作用を明示的にモデル化するモジュールを組み込んでいる。「I が高いとき Q はどうなるか」「I と Q がどう連動して位相を形成するか」——そういった関係を学習で引き出す形だ。

画像のアナロジーで言えば、RGB 各チャネルの空間パターンをある程度独立に処理しつつ、チャネル間の色関係も明示的に扱う手法に近い考え方だと思う。

事前学習と応用

Radio-FM の事前学習は自己教師あり学習で行われる。ラベルなしの生 I/Q データから信号の汎用的な表現を学ぶ。その後、ファインチューニングによって：

• 変調方式分類（BPSK, QPSK, QAM64 などの識別）
• RF フィンガープリンティング（送信機の個体識別）
• 信号デノイジング

といったタスクに転用できると報告されている。

事前学習で「無線信号とはこういうものだ」という汎用表現を獲得できれば、少ないファインチューニングデータでも各タスクに対応できる——というのがこの系統の基盤モデルが目指すところだ。

気になること

個人的に気になるのは、I と Q の相互作用をどの深さで、どの粒度で入れるかという設計の詳細だ。融合が早すぎると I/Q の独立した時間パターンを壊してしまうし、遅すぎると I/Q 間の相互情報が活かしきれない。論文中の実験でそのバランスがどう検証されているか、もう少し精読してみたいところだな。

それにしても、MERLIN、EMind、Radio-FM と、「無線信号のための事前学習モデル」が短期間で続々と出てきているのは面白い動向だと思う。テキストや画像での成功体験が「信号」の世界にどこまで持ち込めるか——実際の受信機パイプラインに組み込まれる日が来るとすれば、いまはその助走期間にあるのかもしれないな。

なお、本稿で参照した論文はプレプリント段階であり、著者らの報告値で独立した査読はこれからの段階だ。

— ランキン

出典

一次情報（プレプリント）

• Jinchao Zhou et al., “Radio-FM: A Foundation Model for Radio Signal Representation Learning and Its Applications,” arXiv:2608.05793 (2026-08-06)
  https://arxiv.org/abs/2608.05793