本記事では、無線通信におけるオーバーザエア（OTA）連合学習（FL）の新しい手法について論じています。従来のOTA-FL設計は、同一な無線条件下でのゼロバイアスのモデル更新を強制することが多く、異なる無線環境下では最も弱いデバイスに制約され、更新のバリアンスが膨らむ問題があります。特に、非凸な目的関数を持つ現代のAIモデルにおいて、ゼロバイアスの更新が適用されにくいことが指摘されています。本研究では、無線環境の多様性に対応するため、確率的勾配降下法（SGD）を用いたOTA-FLの新しいアプローチを提案し、モデルバイアスを構造化しつつ、更新のバリアンスを低減する手法を開発しました。提案されたアルゴリズムは、実験において従来のOTA-FLと比較して高速な収束を示し、一般化性能が改善されることが確認されました。