論文の概要: Scenario-Aware Control of Segmented Ladder Bus: Design and FPGA Implementation

• arxiv url: http://arxiv.org/abs/2511.15987v1
• Date: Thu, 20 Nov 2025 02:38:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.435455
• Title: Scenario-Aware Control of Segmented Ladder Bus: Design and FPGA Implementation
• Title（参考訳）: セグメンテッドラダーバスのシナリオ認識制御:設計とFPGA実装
• Authors: Phu Khanh Huynh, Francky Catthoor, Anup Das,
• Abstract要約: 大規模ニューロモルフィックアーキテクチャは、共有相互接続を用いてスパイクを伝達するコンピューティングタイルで構成されている。 これらの特性は、アイドル期間中に最小限の電力を消費しながら、高活性バーストを処理するために最適化された相互接続を必要とする。 本稿では,セグメンテッド・ラダーバスに合わせたシナリオ対応制御面の設計手法を提案する。
• 参考スコア（独自算出の注目度）: 2.0798565408822314
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large-scale neuromorphic architectures consist of computing tiles that communicate spikes using a shared interconnect. The communication patterns in these systems are inherently sparse, asynchronous, and localized, as neural activity is characterized by temporal sparsity with occasional bursts of high traffic. These characteristics require optimized interconnects to handle high-activity bursts while consuming minimal power during idle periods. Among the proposed interconnect solutions, the dynamic segmented bus has gained attention due to its structural simplicity, scalability, and energy efficiency. Since the benefits of a dynamic segmented bus stem from its simplicity, it is essential to develop a streamlined control plane that can scale efficiently with the network. In this paper, we present a design methodology for a scenario-aware control plane tailored to a segmented ladder bus, with the aim of minimizing control overhead and optimizing energy and area utilization. We evaluated our approach using a combination of FPGA implementation and software simulation to assess scalability. The results demonstrated that our design process effectively reduces the control plane's area footprint compared to the data plane while maintaining scalability with network size.
• Abstract（参考訳）: 大規模ニューロモルフィックアーキテクチャは、共有相互接続を用いてスパイクを伝達するコンピューティングタイルで構成されている。 これらのシステム内の通信パターンは本質的に疎らで、非同期で、局所的であり、神経活動は時空間の間隔と時空間の高トラフィックのバーストによって特徴づけられる。 これらの特性は、アイドル期間中に最小限の電力を消費しながら、高活性バーストを処理するために最適化された相互接続を必要とする。 提案した相互接続ソリューションの中では, 構造的単純性, スケーラビリティ, エネルギー効率などにより, 動的セグメントバスが注目されている。 動的セグメンテーションバスの利点は、その単純さに起因しているため、ネットワークで効率的にスケールできる合理化制御面を開発することが不可欠である。 本稿では,制御オーバーヘッドの最小化とエネルギーと面積利用の最適化を目的とした,セグメンテーション付きラダーバスに適したシナリオ対応制御面の設計手法を提案する。 FPGAの実装とソフトウェアシミュレーションを組み合わせて,スケーラビリティの評価を行った。 その結果,ネットワークサイズで拡張性を維持しつつ,データプレーンに比べて制御面の面積フットプリントを効果的に削減できることを示した。

関連論文リスト

• Power Grid Control with Graph-Based Distributed Reinforcement Learning [60.49805771047161]
  この作業は、リアルタイムでスケーラブルなグリッド管理のためのグラフベースの分散強化学習フレームワークを前進させる。 グラフニューラルネットワーク(GNN)を使用して、ネットワークのトポロジ情報を単一の低レベルエージェントの観測内にエンコードする。 Grid2Opシミュレーション環境での実験は、このアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2025-09-02T22:17:25Z)
• CSGO: Generalized Optimization for Cold Start in Wireless Collaborative Edge LLM Systems [62.24576366776727]
  本稿では,全体の推論遅延を最小限に抑えるために,遅延を考慮したスケジューリングフレームワークを提案する。 提案手法は,ベースライン戦略と比較して,コールドスタート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） (2025-08-15T07:49:22Z)
• Improved particle swarm optimization algorithm: multi-target trajectory optimization for swarm drones [20.531764063763678]
  従来のParticle Swarm Optimization (PSO) 手法は、リアルタイムシナリオにおける早期収束と遅延に苦慮している。 PSOベースのオンライントラジェクトリプランナであるPE-PSOを提案する。 遺伝的アルゴリズム(GA)に基づくタスク割り当てと分散PE-PSOを組み合わせたマルチエージェントフレームワークを開発した。
  論文  参考訳（メタデータ） (2025-07-18T04:31:49Z)
• Flow-Through Tensors: A Unified Computational Graph Architecture for Multi-Layer Transportation Network Optimization [20.685856719515026]
  Flow Throughs (FTT) は、原点のフロー、経路、確率、およびリンク移動時間を相互接続テンソルとして接続する統一的な計算グラフアーキテクチャである。 まず、以前に分離されたモデリング要素間で勾配に基づく最適化を可能にする一貫した数学的構造を確立する。 第2に、システム効率の正確な定量化により、時間、空間、ユーザグループのトラフィックパターンの多次元解析をサポートする。
  論文  参考訳（メタデータ） (2025-06-30T06:42:23Z)
• Mapping and Scheduling Spiking Neural Networks On Segmented Ladder Bus Architectures [2.732919960807485]
  大規模ニューロモルフィックアーキテクチャは、共有相互接続を用いてスパイクを伝達するコンピューティングタイルで構成されている。 これらの特性は、アイドル期間中に最小限の電力を消費しながら、高活性バーストを処理するために最適化された相互接続を必要とする。 本稿では,セグメンテッド・ラダーバスに合わせたシナリオ対応制御面の設計手法を提案する。
  論文  参考訳（メタデータ） (2025-06-12T20:44:50Z)
• SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
  無線対応経路計画フレームワークであるSCoTTを提案する。 SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。 また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
  論文  参考訳（メタデータ） (2024-11-27T10:45:49Z)
• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Communication-Control Codesign for Large-Scale Wireless Networked Control Systems [80.30532872347668]
  無線ネットワーク制御システム(Wireless Networked Control Systems, WNCS)は、ドローン群や自律ロボットなどのアプリケーションにおいて柔軟な制御を可能にする産業用4.0に必須である。 本稿では,マルチ状態マルコフブロックフェーディングチャネル上で限られた無線リソースを共有するセンサやアクチュエータを用いて,複数の制御ループ間の相関ダイナミクスを捕捉する実用的WNCSモデルを提案する。 本研究では,ハイブリッドな動作空間を効率的に処理し,通信制御の相関関係を捉え,疎域変数や浮動小数点制御の入力に拘わらず堅牢なトレーニングを確実にするDeep Reinforcement Learning (DRL)アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-10-15T06:28:21Z)
• Relay-Assisted Cooperative Federated Learning [10.05493937334448]
  オーバー・ザ・エアの計算により、モバイルデバイスはローカルモデルを同時にアップロードできる。 無線チャネルの消失により、エッジサーバにおけるモデル集約誤差は、すべてのデバイスの中で最も弱いチャネルに支配される。 本稿では,トラグラー問題に効果的に対処するリレー支援型協調型FL方式を提案する。
  論文  参考訳（メタデータ） (2021-07-20T14:06:19Z)
• Spatio-temporal Modeling for Large-scale Vehicular Networks Using Graph Convolutional Networks [110.80088437391379]
  SMARTと呼ばれるグラフベースのフレームワークが提案され、大規模な地理的領域にわたるV2I通信遅延の統計をモデル化し、追跡する。 深層Q-networksアルゴリズムと統合したグラフ畳み込みネットワークを用いたグラフ再構築型手法を開発する。 その結果,提案手法は,モデル化の精度と効率と,大規模車両ネットワークにおける遅延性能を有意に向上させることが示された。
  論文  参考訳（メタデータ） (2021-03-13T06:56:29Z)
• Dataflow Aware Mapping of Convolutional Neural Networks Onto Many-Core Platforms With Network-on-Chip Interconnect [0.0764671395172401]
  マシンインテリジェンス、特に畳み込みニューラルネットワーク(CNN)は、ここ数年で大きな研究領域となっている。 複数の同質なコアで構成される多コアプラットフォームは、データフローマッピングの労力の増大を犠牲にして、物理実装に関する制限を緩和することができる。 この作業は、最小限のランタイムと最小限のオフチップメモリアクセスに対して、最適化目標の異なるシングルコアレベルから始まる自動マッピング戦略を示す。 この戦略は、適切なマルチコアマッピング方式に拡張され、ネットワークオンチップ相互接続によるスケーラブルなシステムレベルシミュレーションを用いて評価される。
  論文  参考訳（メタデータ） (2020-06-18T17:13:18Z)

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。