Apple, 연방 분산 부등식 최적화 위한 LIPPAX 알고리즘 공개

Apple과 Georgia Tech 연구진이 federated variational inequalities의 수렴 격차를 해결하기 위해 LIPPAX(Local Inexact Proximal Point Algorithm with Extra Step)를 공개했다. 이 연구는 stochastic VI 문제를 다루며, 기존 방법론이 federated convex optimization의 최신 성능 한계에 미치지 못하는 문제를 해결한다.

연구진은 먼저 기존 Local Extra SGD 알고리즘의 과도한 client drift 문제를 분석하고, 이를 완화하여 더 엄밀한 보장을 제공하는 LIPPAX를 설계했다.

주요 개선 사항은 다음과 같은 환경에서 입증되었다:

• Bounded Hessian 환경
• Bounded operator 환경
• Low-variance 환경
• Federated composite variational inequalities

Guanghui Wang(Georgia Institute of Technology, Apple 근무 중 수행)과 Satyen Kale가 작성한 이 논문은 2026년 9월 발표되어 NeurIPS에 채택됐다. 연구는 federated VI와 convex optimization 간 성능 격차를 좁히는 일련의 향상된 수렴 속도를 제시한다.