論文の概要: Tera-SpaceCom: GNN-based Deep Reinforcement Learning for Joint Resource Allocation and Task Offloading in TeraHertz Band Space Networks
- arxiv url: http://arxiv.org/abs/2409.07911v1
- Date: Thu, 12 Sep 2024 10:26:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-13 16:58:31.286582
- Title: Tera-SpaceCom: GNN-based Deep Reinforcement Learning for Joint Resource Allocation and Task Offloading in TeraHertz Band Space Networks
- Title（参考訳）: Tera-SpaceCom:TeraHertzバンド空間ネットワークにおける共同資源配分とタスクオフロードのためのGNNに基づく深層強化学習
- Authors: Zhifeng Hu, Chong Han, Wolfgang Gerstacker, Ian F. Akyildiz,
- Abstract要約: Tera-SpaceComは、様々な宇宙科学および通信アプリケーションを実現するための有望な技術として構想されている。
グラフニューラルネットワーク(GNN)を用いた深層強化学習(DRL)に基づく共同資源割り当てとタスクオフロードアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 11.881917133887102
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Terahertz (THz) space communications (Tera-SpaceCom) is envisioned as a promising technology to enable various space science and communication applications. Mainly, the realm of Tera-SpaceCom consists of THz sensing for space exploration, data centers in space providing cloud services for space exploration tasks, and a low earth orbit (LEO) mega-constellation relaying these tasks to ground stations (GSs) or data centers via THz links. Moreover, to reduce the computational burden on data centers as well as resource consumption and latency in the relaying process, the LEO mega-constellation provides satellite edge computing (SEC) services to directly compute space exploration tasks without relaying these tasks to data centers. The LEO satellites that receive space exploration tasks offload (i.e., distribute) partial tasks to their neighboring LEO satellites, to further reduce their computational burden. However, efficient joint communication resource allocation and computing task offloading for the Tera-SpaceCom SEC network is an NP-hard mixed-integer nonlinear programming problem (MINLP), due to the discrete nature of space exploration tasks and sub-arrays as well as the continuous nature of transmit power. To tackle this challenge, a graph neural network (GNN)-deep reinforcement learning (DRL)-based joint resource allocation and task offloading (GRANT) algorithm is proposed with the target of long-term resource efficiency (RE). Particularly, GNNs learn relationships among different satellites from their connectivity information. Furthermore, multi-agent and multi-task mechanisms cooperatively train task offloading and resource allocation. Compared with benchmark solutions, GRANT not only achieves the highest RE with relatively low latency, but realizes the fewest trainable parameters and the shortest running time.
- Abstract（参考訳）: テラヘルツ(THz)宇宙通信は、様々な宇宙科学や通信アプリケーションを実現するための有望な技術として構想されている。
主に、Tera-SpaceComの領域は、宇宙探査のためのTHzセンシング、宇宙探査のためのクラウドサービスを提供する宇宙のデータセンター、これらのタスクを地上局(GS)やTHzリンク経由でデータセンターに中継する低地球軌道(LEO)のメガコンステレーションで構成されている。
さらに、データセンターの計算負担を減らし、中継プロセスにおけるリソース消費と遅延を減らし、LEOのメガコンステレーションは、これらのタスクをデータセンターにリレーすることなく、宇宙探査タスクを直接計算するための衛星エッジコンピューティング(SEC)サービスを提供する。
宇宙探査タスクを受けるLEO衛星は、その計算負担をさらに軽減するために、近隣のLEO衛星に部分的なタスクをオフロード(すなわち分散)する。
しかし、Tera-SpaceCom SECネットワークの効率的な共同通信リソース割り当てと計算タスクのオフロードは、空間探索タスクとサブアレイの離散的性質と送信電力の連続的性質からNPハード混合整数非線形プログラミング問題(MINLP)である。
この課題に対処するために、長期資源効率(RE)を目標として、グラフニューラルネットワーク(GNN)によるDRLに基づく共同リソース割り当てとタスクオフロード(GRANT)アルゴリズムを提案する。
特に、GNNは接続情報から異なる衛星間の関係を学習する。
さらに、マルチエージェントおよびマルチタスク機構は、タスクオフロードとリソース割り当てを協調的に訓練する。
ベンチマークソリューションと比較して、GRANTは比較的低いレイテンシで最も高いREを達成するだけでなく、最も訓練可能なパラメータと最も短い実行時間を実現している。
関連論文リスト
- A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。
本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
論文 参考訳（メタデータ） (2024-08-29T06:57:45Z) - Stitching Satellites to the Edge: Pervasive and Efficient Federated LEO Satellite Learning [1.3121410433987561]
本稿では,衛星が大規模機械学習(ML)タスクを効率的に実行できるようにする新しいFL-SECフレームワークを提案する。
主な構成要素は、余分な衛星画像を特定して排除するディビジョン・アンド・コンカーによるパーソナライズドラーニングと、軌道毎に集約された「軌道モデル」を生成し、地上局に送る前に再訓練する軌道モデル再訓練である。
我々のアプローチではFL収束時間が30倍近く減少し、衛星のエネルギー消費は1.38ワットまで減少し、例外的な精度は96%まで維持される。
論文 参考訳（メタデータ） (2024-01-28T02:01:26Z) - Security-Sensitive Task Offloading in Integrated Satellite-Terrestrial Networks [15.916368067018169]
本稿では,衛星・地上ネットワーク(ISTN)構造にLEO衛星エッジを配置し,テキストセキュリティに敏感な計算タスクのオフロードを支援することを提案する。
本研究では,タスク割り当ておよびタスクオフロード順序問題を協調最適化問題としてモデル化し,タスクオフロード遅延,エネルギー消費,攻撃回数の最小化と信頼性制約を満たす。
論文 参考訳（メタデータ） (2024-01-20T07:29:55Z) - Hierarchical Multi-Agent Multi-Armed Bandit for Resource Allocation in
Multi-LEO Satellite Constellation Networks [14.964082610286857]
ローアース軌道(LEO)衛星コンステレーションは、高度のサービスで地球規模のカバーエリアを提供することができる。
我々は、利用可能な無線リソースを適切に割り当てることにより、LEOコンステレーション(mmRAL)の階層的マルチエージェントマルチアーム帯域割り当てを提案する。
論文 参考訳（メタデータ） (2023-03-25T04:22:07Z) - Machine Learning-Based User Scheduling in Integrated
Satellite-HAPS-Ground Networks [82.58968700765783]
第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。
本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
論文 参考訳（メタデータ） (2022-05-27T13:09:29Z) - Innovations in the field of on-board scheduling technologies [64.41511459132334]
本稿では、ミッション自律のためのソフトウェアフレームワークに組み込まれた、オンボードスケジューラを提案する。
スケジューラは線形整数プログラミングに基づいており、ブランチ・アンド・カット・ソルバの使用に依存している。
この技術は地球観測のシナリオでテストされており、その性能を最先端のスケジューリング技術と比較している。
論文 参考訳（メタデータ） (2022-05-04T12:00:49Z) - Deep Learning Aided Routing for Space-Air-Ground Integrated Networks
Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。
大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。
低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
論文 参考訳（メタデータ） (2021-10-28T14:12:10Z) - Scheduling the NASA Deep Space Network with Deep Reinforcement Learning [0.4083182125683813]
NASAのディープ・スペース・ネットワーク(Deep Space Network、DSN)は、世界中の数十の活発なミッションのための通信と科学機器の主要な手段である。
宇宙船の数が急速に増加し、帯域幅が要求される複雑な科学機器が増加し、12個のアンテナでネットワークの容量を超える需要が生じた。
本稿では,ミッション要求と宇宙船のエフェメリスデータから,実世界の運用制約に対処する能力を示すDSNスケジュールを生成するための深層強化学習手法を提案する。
論文 参考訳（メタデータ） (2021-02-09T22:48:05Z) - Continuous Ant-Based Neural Topology Search [62.200941836913586]
この研究は、アリコロニー最適化に基づく、自然に着想を得たニューラルアーキテクチャサーチ(NAS)アルゴリズムを導入している。
連続アントベースのニューラルトポロジーサーチ(CANTS)は、アリが現実世界でどのように動くかに強く影響を受けている。
論文 参考訳（メタデータ） (2020-11-21T17:49:44Z) - Integrating LEO Satellite and UAV Relaying via Reinforcement Learning
for Non-Terrestrial Networks [51.05735925326235]
低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。
軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。
エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。
本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
論文 参考訳（メタデータ） (2020-05-26T05:39:27Z)
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。