論文の概要: Enabling Reconfiguration-Communication Overlap for Collective Communication in Optical Networks

• arxiv url: http://arxiv.org/abs/2510.19322v1
• Date: Wed, 22 Oct 2025 07:34:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:15.317127
• Title: Enabling Reconfiguration-Communication Overlap for Collective Communication in Optical Networks
• Title（参考訳）: 光ネットワークにおける集団通信のための再構成通信オーバーラップの実現
• Authors: Changbo Wu, Zhuolong Yu, Gongming Zhao, Hongli Xu,
• Abstract要約: 大規模分散機械学習(DML)トレーニングワークロードでは,集合的コミュニケーションが広く採用されている。 既存の光配線型CCスキームはワンショットネットワーク再構成を採用している」 本稿では,要求対応光ネットワークフレームワークSWOTを提案する。
• 参考スコア（独自算出の注目度）: 24.555035126899654
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Collective communication (CC) is widely adopted for large-scale distributed machine learning (DML) training workloads. DML's predictable traffic pattern provides a great oppotunity for applying optical network technology. Existing optical interconnects-based CC schemes adopt ``one-shot network reconfiguration'', which provisions static high-capacity topologies for an entire collective operation -- sometimes for a full training iteration. However, this approach faces significant scalability limitations when supporting more complex and efficient CC algorithms required for modern workloads: the ``one-shot'' strategies either demand excessive resource overprovisioning or suffer performance degradation due to rigid resource allocation. To address these challenges, we propose SWOT, a demand-aware optical network framework. SWOT employs ``intra-collective reconfiguration'' and can dynamically align network resources with CC traffic patterns. SWOT incorporates a novel scheduling technique that overlaps optical switch reconfigurations with ongoing transmissions, and improves communication efficiency. SWOT introduce a lightweight collective communication shim that enables coordinated optical network configuration and transmission scheduling while supporting seamless integration with existing CC libraries. Our simulation results demonstrate SWOT's significant performance improvements.
• Abstract（参考訳）: 大規模分散機械学習(DML)トレーニングワークロードには、CC(Collective Communication)が広く採用されている。 DMLの予測可能なトラフィックパターンは、光ネットワーク技術を適用するための優れた機会を提供する。 既存の光インターコネクトベースのCCスキームでは,‘ワンショットネットワーク再構成’が採用されている。 しかし、このアプローチは、現代的なワークロードに必要なより複雑で効率的なCCアルゴリズムをサポートする際に、大きなスケーラビリティ上の制限に直面している。 これらの課題に対処するために、要求対応光ネットワークフレームワークSWOTを提案する。 SWOTは‘intra-collective reconfiguration’を採用しており、ネットワークリソースとCCトラフィックパターンを動的に調整することができる。 SWOTは、光スイッチ再構成と進行中の送信とを重複させ、通信効率を向上する新しいスケジューリング手法を取り入れている。 SWOTは、既存のCCライブラリとのシームレスな統合をサポートしながら、協調した光ネットワーク構成と送信スケジューリングを可能にする軽量な集合通信シムを導入している。 シミュレーションの結果,SWOTの性能は大幅に向上した。

関連論文リスト

• Graph Neural Network-Based Multicast Routing for On-Demand Streaming Services in 6G Networks [43.88530200050682]
  本稿では,GNNベースのマルチキャストルーティングフレームワークを提案する。 提案手法は、計算複雑性を著しく低減しつつ、最適な動的プログラムベースの解を近似する。 また,大規模および動的ネットワークトポロジへの強力な一般化も確認し,6Gマルチメディア配信シナリオにおけるリアルタイム展開の可能性を強調した。
  論文  参考訳（メタデータ） (2025-10-13T08:00:45Z)
• Generative AI-Driven Hierarchical Multi-Agent Framework for Zero-Touch Optical Networks [18.258341609669014]
  我々は,ゼロタッチ光ネットワークにおけるマルチタスク自律実行の合理化を目的としたGenAI駆動型階層型マルチエージェントフレームワークを提案する。 光ネットワークのライフサイクルを通じて,3つの典型的なシナリオを実演するために,フィールド展開メッシュネットワークを利用する。
  論文  参考訳（メタデータ） (2025-10-07T07:12:52Z)
• Deep Learning-based Techniques for Integrated Sensing and Communication Systems: State-of-the-Art, Challenges, and Opportunities [54.12860202362483]
  本稿では,統合型センシング・通信(ISAC)システムにおける深層学習(DL-based)技術の最近の発展と研究を概観的にレビューする。 ISACは、車載ネットワークや産業用ロボティクスなど、多くの新興アプリケーションにおいて、センサーと通信機能の両方を必要とするため、6Gおよびネットワーク以上の重要なイネーブラーと見なされている。 従来の手法の代替として、DLベースの手法は計算複雑性を減らした効率的でほぼ最適のソリューションを提供する。
  論文  参考訳（メタデータ） (2025-08-23T22:27:51Z)
• Latency Optimization in LEO Satellite Communications with Hybrid Beam Pattern and Interference Control [20.19239663262141]
  低軌道(LEO)衛星通信システムは次世代用途に不可欠な高容量で低遅延のサービスを提供する。 LEO星座の密な構成は資源配分最適化と干渉管理の課題を提起する。 本稿では,マルチビームLEOシステムにおけるビームスケジューリングとリソース割り当てを最適化するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-14T17:18:24Z)
• Overlay-based Decentralized Federated Learning in Bandwidth-limited Networks [3.9162099309900835]
  分散連合学習(DFL)は、中央集権的調整なしに分散エージェントを直接学習することで、人工知能(AI)の展開を促進するという約束を持っている。 既存のソリューションの多くは、隣接するエージェントが基盤となる通信ネットワークに物理的に隣接しているという単純な仮定に基づいている。 我々は,帯域幅制限ネットワークにおける通信要求と通信スケジュールを,基礎となるネットワークからの明示的な協力を必要とせず,共同で設計する。
  論文  参考訳（メタデータ） (2024-08-08T18:05:11Z)
• LEACH-RLC: Enhancing IoT Data Transmission with Optimized Clustering and Reinforcement Learning [0.0]
  本稿では,Low-Energy Adaptive Clustering with Reinforcement Learning-based Controller (LEACH-RLC)を提案する。 MILPアプローチによるクラスタヘッド(CH)とノード対クラスタ割り当ての戦略的選択 新しいクラスタを生成するための最適なタイミングを学習することで、制御オーバーヘッドを最小限に抑えるRLエージェント。 その結果、最先端プロトコルよりもLEACH-RLCの方が優れた性能を示し、ネットワーク寿命の向上、平均エネルギー消費の削減、制御オーバーヘッドの最小化を示した。
  論文  参考訳（メタデータ） (2024-01-28T21:08:45Z)
• Efficient Parallel Split Learning over Resource-constrained Wireless Edge Networks [44.37047471448793]
  本稿では,エッジコンピューティングパラダイムと並列分割学習(PSL)の統合を提唱する。 そこで本研究では,モデル学習を高速化するために,効率的な並列分割学習(EPSL)という革新的なPSLフレームワークを提案する。 提案するEPSLフレームワークは,目標精度を達成するために必要なトレーニング遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2023-03-26T16:09:48Z)
• MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion Control in Real Networks [63.24965775030673]
  そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。 我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。 我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
  論文  参考訳（メタデータ） (2023-02-02T18:27:20Z)
• Cross-receptive Focused Inference Network for Lightweight Image Super-Resolution [64.25751738088015]
  トランスフォーマーに基づく手法は、単一画像超解像(SISR)タスクにおいて顕著な性能を示した。 動的に特徴を抽出するために文脈情報を組み込む必要がある変換器は無視される。 我々は,CNNとTransformerを混合したCTブロックのカスケードで構成される,軽量なクロスレセプティブ・フォーカスド・推論・ネットワーク(CFIN)を提案する。
  論文  参考訳（メタデータ） (2022-07-06T16:32:29Z)

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。