論文の概要: Deterministic Computing Power Networking: Architecture, Technologies and Prospects

• arxiv url: http://arxiv.org/abs/2401.17812v1
• Date: Wed, 31 Jan 2024 13:12:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-01 14:41:05.078509
• Title: Deterministic Computing Power Networking: Architecture, Technologies and Prospects
• Title（参考訳）: 決定論的コンピューティングパワーネットワーク:アーキテクチャ、技術、展望
• Authors: Qingmin Jia, Yujiao Hu, Xiaomao Zhou, Qianpiao Ma, Kai Guo, Huayu Zhang, Renchao Xie, Tao Huang, Yunjie Liu
• Abstract要約: 決定論的計算パワーネットワーク(Det-CPN)と呼ばれる新しいネットワークパラダイムを提案する。 Det-CPNは、新しいアプリケーションに対してエンドツーエンドの送信決定と計算決定を提供する。
• 参考スコア（独自算出の注目度）: 7.178714892078199
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: With the development of new Internet services such as computation-intensive and delay-sensitive tasks, the traditional "Best Effort" network transmission mode has been greatly challenged. The network system is urgently required to provide end-to-end transmission determinacy and computing determinacy for new applications to ensure the safe and efficient operation of services. Based on the research of the convergence of computing and networking, a new network paradigm named deterministic computing power networking (Det-CPN) is proposed. In this article, we firstly introduce the research advance of computing power networking. And then the motivations and scenarios of Det-CPN are analyzed. Following that, we present the system architecture, technological capabilities, workflow as well as key technologies for Det-CPN. Finally, the challenges and future trends of Det-CPN are analyzed and discussed.
• Abstract（参考訳）: 計算集約的および遅延センシティブなタスクのような新しいインターネットサービスの開発により、従来の「最善の努力」ネットワーク伝送モードは大きな課題となっている。 ネットワークシステムは、サービスの安全かつ効率的な運用を保証するために、新しいアプリケーションに対して、エンドツーエンドの送信決定性および計算決定性を提供することを緊急に要求する。 コンピューティングとネットワークの収束に関する研究に基づき、決定論的コンピューティングパワーネットワーク(Det-CPN)と呼ばれる新しいネットワークパラダイムを提案する。 本稿では,コンピューティング・パワー・ネットワークの研究動向について紹介する。 そして、det-cpnの動機とシナリオを分析する。 次に、システムアーキテクチャ、技術能力、ワークフロー、およびdet-cpnの重要な技術を紹介する。 最後に、Det-CPNの課題と今後の動向を分析し、議論する。

関連論文リスト

• Multiple Access in the Era of Distributed Computing and Edge Intelligence [23.65754442262314]
  まず,マルチアクセスエッジコンピューティング(MEC)について検討し,ネットワークのエッジにおけるデータ処理と計算能力の増大に対応するために重要である。 次に,様々な関数を高速かつ効率的に計算する手法として,OTA(Over-the-air)コンピューティングについて検討する。 機械学習(ML)とマルチアクセステクノロジの分離についても、フェデレーションラーニング、強化ラーニング、MLベースのマルチアクセスプロトコルの開発に重点が置かれている。
  論文  参考訳（メタデータ） (2024-02-26T11:04:04Z)
• Multi-Tier Computing-Enabled Digital Twin in 6G Networks [50.236861239246835]
  産業4.0では、製造業、自動車、医療などの産業がDTベースの開発を急速に採用している。 これまでの主な課題は、通信とコンピューティングリソースに対する高い要求と、プライバシとセキュリティに関する懸念だった。 新たなDTで低レイテンシと高セキュリティを実現するため,エッジ/フォグコンピューティングとクラウドコンピューティングを組み合わせたマルチ層コンピューティングが提案されている。
  論文  参考訳（メタデータ） (2023-12-28T13:02:53Z)
• Recent Advances in Scalable Energy-Efficient and Trustworthy Spiking Neural networks: from Algorithms to Technology [11.479629320025673]
  スパイキングニューラルネットワーク(SNN)は、幅広い信号処理アプリケーションのために、ディープニューラルネットワークの魅力的な代替品となっている。 我々は、低レイテンシとエネルギー効率のSNNを効率的に訓練し、拡張するためのアルゴリズムと最適化の進歩について述べる。 デプロイ可能なSNNシステム構築における研究の今後の可能性について論じる。
  論文  参考訳（メタデータ） (2023-12-02T19:47:00Z)
• Computation-efficient Deep Learning for Computer Vision: A Survey [121.84121397440337]
  ディープラーニングモデルは、さまざまな視覚的知覚タスクにおいて、人間レベルのパフォーマンスに到達または超えた。 ディープラーニングモデルは通常、重要な計算資源を必要とし、現実のシナリオでは非現実的な電力消費、遅延、または二酸化炭素排出量につながる。 新しい研究の焦点は計算効率のよいディープラーニングであり、推論時の計算コストを最小限に抑えつつ、良好な性能を達成することを目指している。
  論文  参考訳（メタデータ） (2023-08-27T03:55:28Z)
• Human Activity Recognition from Wi-Fi CSI Data Using Principal Component-Based Wavelet CNN [3.9533044769534444]
  HAR(Human Activity Recognition)は、監視、セキュリティ、医療分野に応用された新興技術である。 実用リアルタイムアプリケーションにロバスト性と効率性を提供する新しいアプローチとして,主成分に基づくウェーブレット畳み込みニューラルネットワーク(PCWCNN)を提案する。 提案したPCWCNNモデルが,既存のアプローチよりも優れた実データセットで非常によく動作することを実証的に示す。
  論文  参考訳（メタデータ） (2022-12-26T13:45:19Z)
• Quantitative Method for Security Situation of the Power Information Network Based on the Evolutionary Neural Network [1.0439136407307046]
  本研究では,進化的ニューラルネットワークに基づく電力情報ネットワークのセキュリティ状況の定量化手法を提案する。 セキュリティ姿勢システムアーキテクチャは、電力情報ネットワークアプリケーションのビジネス特性を分析して設計されている。 ネットワーク信頼性,脅威,脆弱性の3次元から結合接続の空間要素インデックスシステムを確立する。
  論文  参考訳（メタデータ） (2022-11-26T01:05:35Z)
• DQC$^2$O: Distributed Quantum Computing for Collaborative Optimization in Future Networks [54.03701670739067]
  本稿では、将来のネットワークにおける最適化タスクを解決するために、量子コンピュータと量子チャネルを管理するための適応型分散量子コンピューティング手法を提案する。 提案手法に基づいて,スマートグリッド管理やIoT連携,UAV軌道計画など,今後のネットワークにおける協調最適化の潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-09-16T02:44:52Z)
• Towards Machine Learning for Placement and Routing in Chip Design: a Methodological Overview [72.79089075263985]
  配置とルーティングは、現代のチップ設計フローにおいて必須かつ困難な2つのタスクである。 機械学習は、そのデータ駆動性によって有望な見通しを示しており、知識や事前への依存度は低い。
  論文  参考訳（メタデータ） (2022-02-28T06:28:44Z)
• A Survey of Near-Data Processing Architectures for Neural Networks [1.0635248457021496]
  ニアデータ処理、機械学習、特にニューラルネットワーク(NN)ベースのアクセラレータは、大きく成長している。 ReRAMと3Dスタックは、NNのためにNDPベースのアクセラレーターを効率的に設計することを約束している。 本論文は,機械学習分野のコンピュータアーキテクト,チップ設計者,研究者にとって有用である。
  論文  参考訳（メタデータ） (2021-12-23T15:15:47Z)
• Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
  スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。 スパイキングニューラルネットワークのハードウェア実装の現状について述べる。 本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
  論文  参考訳（メタデータ） (2020-05-04T13:24:00Z)
• Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G Networks [84.2155885234293]
  まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。 このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-02-22T14:38:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。