論文の概要: GenioSim: A Novel Simulation Platform for Edge Computing over Optical Networks
- arxiv url: http://arxiv.org/abs/2605.10062v1
- Date: Mon, 11 May 2026 06:39:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:50.577849
- Title: GenioSim: A Novel Simulation Platform for Edge Computing over Optical Networks
- Title（参考訳）: GenioSim: 光ネットワーク上のエッジコンピューティングのための新しいシミュレーションプラットフォーム
- Authors: Carmine Cesarano, Alessio Foggia, Roberto Natella,
- Abstract要約: オプティカル・ライン・ターミナル(OLT)とオプティカル・ネットワーク・ターミナル(ONT)は、オフロードワークロードのための低遅延エッジ計算ノードとして再利用することができる。
我々は階層的なPON対応エッジインフラストラクチャのためのシミュレーションプラットフォームであるGenioSimを紹介する。
- 参考スコア（独自算出の注目度）: 2.547448133631485
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The convergence of Passive Optical Networks (PONs) and edge computing creates new opportunities: Optical Line Terminals (OLTs) and Optical Network Terminals (ONTs) can be repurposed as low-latency edge compute nodes for offloading workloads. However, exploring such design options early in the development cycle is costly and time-consuming, as prototyping requires specialized hardware and realistic traffic conditions. Simulation becomes essential, yet current tools are unable to accurately model this emerging class of systems. To address these gaps, we introduce GenioSim, a simulation platform for hierarchical PON-enabled edge infrastructures. It models OLTs and ONTs with realistic PON behavior, supports hybrid container- and VM-based virtualization, and provides multiple service and execution models. These capabilities enable the evaluation of resource management policies under complex, heterogeneous conditions. We present experiments in the context of use cases of industrial relevance, to show GenioSim can provide insights for capacity planning and for the choice of policies for container placement and task offloading in PON-enabled edge infrastructures.
- Abstract（参考訳）: 光回線端末(OLT)と光ネットワーク端末(ONT)は、ワークロードをオフロードするための低遅延エッジ計算ノードとして再利用することができる。
しかし、プロトタイピングには特別なハードウェアと現実的な交通条件が必要であるため、開発サイクルの早い段階でそのような設計オプションを探索することはコストと時間を要する。
シミュレーションが不可欠になるが、現在のツールは、この新たなシステムのクラスを正確にモデル化することはできない。
これらのギャップに対処するために、階層的なPON対応エッジインフラストラクチャのためのシミュレーションプラットフォームであるGenioSimを紹介します。
OLTとONTを現実的なPON動作でモデル化し、ハイブリッドコンテナとVMベースの仮想化をサポートし、複数のサービスと実行モデルを提供する。
これらの能力は、複雑で異質な条件下での資源管理ポリシーの評価を可能にする。
GenioSimがキャパシティプランニングや,PON対応エッジインフラストラクチャにおけるコンテナ配置やタスクオフロードのポリシの選択について,インサイトを提供することができることを示す。
関連論文リスト
- Simulating Environments with Reasoning Models for Agent Training [55.98861707136674]
トレーニング用の起動環境の構築は重く、脆く、進捗を制限します。
我々はSimia-SFTとSimia-RLの2つのフレームワークを提案する。
Simia-SFTとSimia-RLは、環境工学を使わずにスケーラブルなエージェントトレーニングを可能にする。
論文 参考訳（メタデータ） (2025-11-03T18:29:57Z) - 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) - Design of JiuTian Intelligent Network Simulation Platform [16.343389061714973]
本稿では,オープンイノベーションプラットフォーム向けに無線通信シミュレーションデータサービスを提供するJuTian Intelligent Network Simulation Platformを紹介する。
プラットフォームには一連のスケーラブルなシミュレータ機能が含まれており、シミュレーション環境とデータに基づいたモデルトレーニングと推論に強化学習アルゴリズムを使用できるオープンなサービスを提供している。
論文 参考訳（メタデータ） (2023-09-28T07:02:39Z) - Chakra: Advancing Performance Benchmarking and Co-design using
Standardized Execution Traces [5.692357167709513]
作業負荷仕様を標準化するためのオープングラフスキーマであるChakraを提案する。
例えば、生成AIモデルを使用して、何千ものChakra ETの潜在統計特性を学習し、これらのモデルを使用してChakra ETを合成します。
私たちのゴールは、将来のAIシステムの共同設計を推進するために、業界全体のアジャイルベンチマークとツールの活発なエコシステムを構築することです。
論文 参考訳（メタデータ） (2023-05-23T20:45:45Z) - A Unified Cloud-Enabled Discrete Event Parallel and Distributed
Simulation Architecture [0.7949705607963994]
クラウドにシミュレーションをデプロイするのに十分な柔軟性を備えた並列分散M&Sアーキテクチャを提案する。
我々のフレームワークは、離散イベントシステム仕様(DEVS)の形式に基づいている。
並列および分散フレームワークのパフォーマンスは、xDEVS M&Sツールと最大8つの計算ノードを持つDEVStoneベンチマークを用いてテストされる。
論文 参考訳（メタデータ） (2023-02-22T09:47:09Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z) - Computational Intelligence and Deep Learning for Next-Generation
Edge-Enabled Industrial IoT [51.68933585002123]
エッジ対応産業用IoTネットワークにおける計算知能とディープラーニング(DL)の展開方法について検討する。
本稿では,新しいマルチエグジットベースフェデレーションエッジ学習(ME-FEEL)フレームワークを提案する。
特に、提案されたME-FEELは、非常に限られたリソースを持つ産業用IoTネットワークにおいて、最大32.7%の精度を達成することができる。
論文 参考訳（メタデータ） (2021-10-28T08:14:57Z) - Reproducible Performance Optimization of Complex Applications on the
Edge-to-Cloud Continuum [55.6313942302582]
エッジ・ツー・クラウド・コンティニュム上でのリアルタイムアプリケーションの最適化を支援する手法を提案する。
提案手法は, 制御されたテストベッド環境において, その動作を理解するための厳密な構成解析に頼っている。
当社の方法論はEdge-to-Cloud Continuumの他のアプリケーションに一般化することができる。
論文 参考訳（メタデータ） (2021-08-04T07:35:14Z) - RecSim NG: Toward Principled Uncertainty Modeling for Recommender
Ecosystems [35.302081092634985]
RecSim NGはレコメンダシステムのシミュレーションのための確率的プラットフォームである。
推論と潜在変数モデル学習のためのツールを提供する。
レコメンダーエコシステムの透過的なエンドツーエンドモデルを作成するために使用できます。
論文 参考訳（メタデータ） (2021-03-14T22:37:42Z)
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。