論文の概要: Towards a Dynamic Future with Adaptable Computing and Network Convergence (ACNC)

• arxiv url: http://arxiv.org/abs/2403.07573v2
• Date: Mon, 16 Dec 2024 07:42:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:51:39.699743
• Title: Towards a Dynamic Future with Adaptable Computing and Network Convergence (ACNC)
• Title（参考訳）: 適応型コンピューティングとネットワーク収束(ACNC)による動的未来に向けて
• Authors: Masoud Shokrnezhad, Hao Yu, Tarik Taleb, Richard Li, Kyunghan Lee, Jaeseung Song, Cedric Westphal,
• Abstract要約: 本稿では,コンピュータとネットワークリソースの協調オーケストレーションを目的とした自律機械学習(ML)支援機構として,適応型CNC(ACNC)の概念を提案する。 ACNCは、状態認識とコンテキスト検出の2つの主要な機能を含んでいる。 継続的学習が採用され、システムの状態を専用のMLエージェントによって制御されたコンテキストに分類することで、効率的に運用することができる。
• 参考スコア（独自算出の注目度）: 17.1717328514007
• License:
• Abstract: In the context of advancing 6G, a substantial paradigm shift is anticipated, highlighting comprehensive everything-to-everything interactions characterized by numerous connections and stringent adherence to Quality of Service/Experience (QoS/E) prerequisites. The imminent challenge stems from resource scarcity, prompting a deliberate transition to Computing-Network Convergence (CNC) as an auspicious approach for joint resource orchestration. While CNC-based mechanisms have garnered attention, their effectiveness in realizing future services, particularly in use cases like the Metaverse, may encounter limitations due to the continually changing nature of users, services, and resources. Hence, this paper presents the concept of Adaptable CNC (ACNC) as an autonomous Machine Learning (ML)-aided mechanism crafted for the joint orchestration of computing and network resources, catering to dynamic and voluminous user requests with stringent requirements. ACNC encompasses two primary functionalities: state recognition and context detection. Given the intricate nature of the user-service-computing-network space, the paper employs dimension reduction to generate live, holistic, abstract system states in a hierarchical structure. To address the challenges posed by dynamic changes, Continual Learning (CL) is employed, classifying the system state into contexts controlled by dedicated ML agents, enabling them to operate efficiently. These two functionalities are intricately linked within a closed loop overseen by the End-to-End (E2E) orchestrator to allocate resources. The paper introduces the components of ACNC, proposes a Metaverse scenario to exemplify ACNC's role in resource provisioning with Segment Routing v6 (SRv6), outlines ACNC's workflow, details a numerical analysis for efficiency assessment, and concludes with discussions on relevant challenges and potential avenues for future research.
• Abstract（参考訳）: 6Gの進展の状況では、多くのコネクションとQuality of Service/Experience(QoS/E)の前提条件に厳密な固執を特徴とする、包括的なあらゆるもの間インタラクションを強調した、実質的なパラダイムシフトが期待されている。 差し迫った課題は、リソース不足に起因し、共同リソースオーケストレーションの目覚ましいアプローチとして、Computer-Network Convergence (CNC) への意図的に移行を促した。 CNCベースのメカニズムは注目されているが、特にMetaverseのようなユースケースにおける将来のサービスの実現における効果は、ユーザ、サービス、リソースの継続的な変化による制限に直面する可能性がある。 そこで本稿では,コンピュータとネットワークリソースの協調オーケストレーションを目的とした自律型機械学習(ML)支援機構として,適応型CNC(ACNC)の概念を述べる。 ACNCは、状態認識とコンテキスト検出の2つの主要な機能を含んでいる。 ユーザ・サービス・コンピューティング・ネットワーク空間の複雑な性質を考えると,本論文では,階層構造における生きた,包括的で抽象的なシステム状態を生成するために,次元還元を用いる。 動的変更によって引き起こされる課題に対処するために、継続的学習(CL)が採用され、システムの状態を専用のMLエージェントによって制御されたコンテキストに分類し、効率的に運用することができる。 これら2つの機能は、リソースを割り当てるためにEnd-to-End(E2E)オーケストレータが監督する閉ループ内で複雑にリンクされている。 本稿では,ACNCの構成要素を紹介するとともに,Segment Routing v6(SRv6)を用いた資源供給におけるACNCの役割を実証するメタバースシナリオを提案する。

関連論文リスト

• AI Flow at the Network Edge [58.31090055138711]
  AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。 この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
  論文  参考訳（メタデータ） (2024-11-19T12:51:17Z)
• Semantic Revolution from Communications to Orchestration for 6G: Challenges, Enablers, and Research Directions [16.807697160355303]
  本稿では,KB-MANO(Knowledge Base Management and Orchestration)フレームワークを紹介する。 KB-MANOは、知識の更新と再配布に特化したネットワークおよびコンピューティングリソースの割り当てを目的としている。 KB-MANOと無線アクセスネットワークのリソース割り当ての統合を実証するために概念実証法を提案する。
  論文  参考訳（メタデータ） (2024-06-24T09:04:09Z)
• Intelligent Hybrid Resource Allocation in MEC-assisted RAN Slicing Network [72.2456220035229]
  我々は,協調型MEC支援RANスライシングシステムにおける異種サービス要求に対するSSRの最大化を目指す。 最適ハイブリッドRAポリシーをインテリジェントに学習するためのRGRLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-02T01:36:13Z)
• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• Distributed Autonomous Swarm Formation for Dynamic Network Bridging [40.27919181139919]
  離散化された部分観測可能なマルコフ決定過程(Dec-POMDP)における動的ネットワークブリッジ問題について定式化する。 グラフ畳み込み強化学習(DGN)に基づく問題に対するマルチエージェント強化学習(MARL)アプローチを提案する。 提案手法はシミュレーション環境で評価し,将来性を示す集中型ベースラインと比較した。
  論文  参考訳（メタデータ） (2024-04-02T01:45:03Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Intelligence-Endogenous Management Platform for Computing and Network Convergence [33.45559800534038]
  我々は,人工知能技術に基づくemphCNC脳という,CNCのためのインテリジェンス内在的管理プラットフォームの概念を提示する。 これは、CNCにおける供給と需要を、知覚、スケジューリング、適応、ガバナンスの4つの重要な構成要素を通して、高い不均一性と効率的にマッチングすることを目的としている。 2つのオープンソースおよび人気のあるフレームワークと、Microsoft Azureが提供する実世界のビジネスデータセットを統合するCNCテストベッドで評価されている。
  論文  参考訳（メタデータ） (2023-08-07T10:12:15Z)
• Reinforcement Learning in Computing and Network Convergence Orchestration [0.0]
  CNC(Computer and Network Convergence)の概念が提案され、広く注目を集めている。 最初の試みである強化学習(RL)を用いたCNCオーケストレーション手法を設計し、コンピュータリソースやネットワークリソースを柔軟に割り当て、スケジュールすることができる。 実験により, 提案手法は, グレーディ法, ランダム選択法, 平衡資源法よりも高い利益率と低レイテンシを実現することができることがわかった。
  論文  参考訳（メタデータ） (2022-09-22T03:10:45Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• Cross-modal Consensus Network for Weakly Supervised Temporal Action Localization [74.34699679568818]
  時間的行動局所化 (WS-TAL) は、ビデオレベルの分類的監督によって、ビデオ内のアクションインスタンスをローカライズすることを目的とした課題である。 この問題に対処するためのクロスモーダルコンセンサスネットワーク(CO2-Net)を提案する。
  論文  参考訳（メタデータ） (2021-07-27T04:21:01Z)

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。