論文の概要: Building AI Service Repositories for On-Demand Service Orchestration in 6G AI-RAN

• arxiv url: http://arxiv.org/abs/2504.09647v1
• Date: Sun, 13 Apr 2025 16:40:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:55:46.633126
• Title: Building AI Service Repositories for On-Demand Service Orchestration in 6G AI-RAN
• Title（参考訳）: 6G AI-RANにおけるオンデマンドサービスオーケストレーションのためのAIサービスリポジトリの構築
• Authors: Yun Tang, Mengbang Zou, Udhaya Chandhar Srinivasan, Obumneme Umealor, Dennis Kevogo, Benjamin James Scott, Weisi Guo,
• Abstract要約: 本稿では、6GネットワークにおけるAIサービスのオーケストレーションに影響を与える重要な属性を体系的に同定し分類する。 サービスパッケージング、デプロイメント、ランタイムプロファイリングを自動化する、オープンソースのLLM支援ツールチェーンを紹介します。
• 参考スコア（独自算出の注目度）: 7.375775031391254
• License:
• Abstract: Efficient orchestration of AI services in 6G AI-RAN requires well-structured, ready-to-deploy AI service repositories combined with orchestration methods adaptive to diverse runtime contexts across radio access, edge, and cloud layers. Current literature lacks comprehensive frameworks for constructing such repositories and generally overlooks key practical orchestration factors. This paper systematically identifies and categorizes critical attributes influencing AI service orchestration in 6G networks and introduces an open-source, LLM-assisted toolchain that automates service packaging, deployment, and runtime profiling. We validate the proposed toolchain through the Cranfield AI Service repository case study, demonstrating significant automation benefits, reduced manual coding efforts, and the necessity of infrastructure-specific profiling, paving the way for more practical orchestration frameworks.
• Abstract（参考訳）: 6G AI-RANにおけるAIサービスの効率的なオーケストレーションには、十分に構造化された、デプロイ可能なAIサービスリポジトリと、無線アクセス、エッジ、クラウド層を越えたさまざまなランタイムコンテキストに適応するオーケストレーションメソッドを組み合わせる必要がある。 現在の文献にはこのようなリポジトリを構築するための包括的なフレームワークがなく、一般的に重要なオーケストレーション要素を見落としている。 本稿では、6GネットワークにおけるAIサービスのオーケストレーションに影響を与える重要な属性を体系的に識別し、分類し、サービスパッケージング、デプロイメント、実行時プロファイリングを自動化するオープンソースのLLM支援ツールチェーンを導入する。 我々は、Cranfield AI Serviceリポジトリのケーススタディを通じて提案されたツールチェーンを検証し、大幅な自動化のメリット、手作業によるコーディング作業の削減、インフラストラクチャ固有のプロファイリングの必要性、より実用的なオーケストレーションフレームワークへの道を開いた。

関連論文リスト

• Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
  AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。 このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。 本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
  論文  参考訳（メタデータ） (2025-02-17T03:05:20Z)
• Towards Cognitive Service Delivery on B5G through AIaaS Architecture [0.16070833439280313]
  4Gから5Gへの移行は、ビジネス分野に向けたネットワークの統合において、AIに重大な意味を持つ。 本稿では,AI能力B5Gと6Gでコアネットワークをさらに強化するために必要なインターフェースを提示するNWDAFの進化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-23T20:30:29Z)
• Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
  低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。 本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-14T06:17:33Z)
• SEArch: an execution infrastructure for service-based software systems [0.0]
  ソフトウェアアーチファクトの透過的動的再構成が可能な言語に依存しない実行基盤であるSEArchを開発した。 ChoreographicメカニズムはSEArchで相互運用性のコントラクトを指定するために使用され、実行時にサービスの自動ディスカバリとバインディングに必要なサポートを提供する。
  論文  参考訳（メタデータ） (2024-04-30T15:35:03Z)
• A Learning-based Incentive Mechanism for Mobile AIGC Service in Decentralized Internet of Vehicles [49.86094523878003]
  モバイルAIGCサービスアロケーションのための分散インセンティブ機構を提案する。 我々は、AIGCサービスのRSUへの供給と、IoVコンテキスト内のサービスに対するユーザ要求のバランスを見つけるために、マルチエージェントの深層強化学習を採用している。
  論文  参考訳（メタデータ） (2024-03-29T12:46:07Z)
• Intelligent Data-Driven Architectural Features Orchestration for Network Slicing [0.0]
  オーケストレーションと機械学習は、ネットワークスライシングプロセスにおいて重要な役割を持つ重要な要素である。 本稿では,機械学習によるネットワークスライシングアーキテクチャの機能と機能のオーケストレーションについて論じる。 分散組込みおよび協調MLエージェントを用いたSFI2アーキテクチャのアタック防止セキュリティ機構を開発した。
  論文  参考訳（メタデータ） (2024-01-12T12:32:36Z)
• OTOv3: Automatic Architecture-Agnostic Neural Network Training and Compression from Structured Pruning to Erasing Operators [57.145175475579315]
  このトピックは、構造化プルーニングからニューラルアーキテクチャサーチまで、さまざまなテクニックにまたがっている。 第3世代のOTOv3(Noth-Train-Once)を導入する。 我々は,構造化プルーニングとニューラルアーキテクチャ探索におけるOTOv3の有効性を実証した。
  論文  参考訳（メタデータ） (2023-12-15T00:22:55Z)
• Zero-touch realization of Pervasive Artificial Intelligence-as-a-service in 6G networks [8.500820283596774]
  ブロックチェーンベースのスマートシステムをサポートする6Gネットワークに,ゼロタッチPAI-as-a-Service(PAI)をデプロイするための,新たなプラットフォームアーキテクチャを導入する。 本稿では,提案システムによる6Gネットワークの動的特性の自己最適化と自己適応性を評価する概念実証について述べる。
  論文  参考訳（メタデータ） (2023-07-21T10:02:24Z)
• In-situ Model Downloading to Realize Versatile Edge AI in 6G Mobile Networks [61.416494781759326]
  In-situモデルダウンロードは、ネットワーク内のAIライブラリからダウンロードすることで、デバイス上のAIモデルを透過的でリアルタイムに置き換えることを目的としている。 提示されたフレームワークの重要なコンポーネントは、ダウンロードされたモデルを深さレベル、パラメータレベル、ビットレベルで動的に圧縮する一連のテクニックである。 我々は,3層(エッジ,ローカル,中央)AIライブラリのキー機能を備えた,インサイトモデルダウンロードのデプロイ用にカスタマイズされた6Gネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-10-07T13:41:15Z)
• Predictive Closed-Loop Service Automation in O-RAN based Network Slicing [35.23159175375706]
  オープン無線アクセスネットワーク(O-RAN)は、上記全ての機能を継承する最も有望なRANアーキテクチャである。 本稿では、SLA違反を防止するために、O-RANスライシングのためのクローズドループおよびインテリジェントリソースプロビジョニングスキームを提供する。
  論文  参考訳（メタデータ） (2022-02-04T04:34:00Z)

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。