論文の概要: SAREF-based Ontology for Distributed AI Workflows across the Edge-Fog-Cloud Continuum
- arxiv url: http://arxiv.org/abs/2608.26160v1
- Date: Tue, 07 Jul 2026 14:14:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.370646
- Title: SAREF-based Ontology for Distributed AI Workflows across the Edge-Fog-Cloud Continuum
- Title（参考訳）: エッジフォグクラウド連続体における分散AIワークフローのためのSAREFベースのオントロジー
- Abstract要約: 本稿では,エッジフォグクラウド連続体における分散AIを表現するためのSAREFに準拠したオントロジーを提案する。
我々は、SAREF4SYSTオントロジーを拡張し、AIパイプライン、実行可能なAIジョブ、計算リソース、デプロイメント制約、通信関係をモデル化する概念を提供する。
このオントロジーは、ETSI SAREFエコシステムに完全に準拠しながら、セマンティック相互運用性、自動推論、分散AIアプリケーションのリソース対応オーケストレーションを可能にする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Nowadays semantic models provide limited support for representing distributed AI workflows and their execution across heterogeneous edge, fog, and cloud environments. Therefore, AI processes and resources are often described using incompatible semantic representations, affecting the interoperability, orchestration, and reuse. To address these challenges, this paper proposes a SAREF-compliant ontology for representing distributed AI workflows across the edge-fog-cloud continuum. We extend the SAREF4SYST ontology with concepts for modeling AI pipelines, executable AI jobs, computational resources, deployment constraints, and communication relationships, providing a unified semantic model of both AI workflows and heterogeneous computing infrastructures. The ontology enables semantic interoperability, automated reasoning, and resource-aware orchestration of distributed AI applications while remaining fully aligned with the ETSI SAREF ecosystem. The ontology is evaluated using proof-of-concept smart grid energy services orchestration scenarios and validated using competency questions showing its ability to support AI workflow deployment, execution reasoning, and workload adaptation across heterogeneous edge, fog, and cloud environments. All competency questions were successfully validated using SPARQL querying and semantic reasoning. Experimental results demonstrate deployment success rates of 90-100% with average orchestration decision times below 80 ms across heterogeneous edge-fog-cloud environments, highlighting its effectiveness on ensuring semantic interoperability for distributed AI orchestration.
- Abstract（参考訳）: 現在、セマンティックモデルは、分散AIワークフローと、異種エッジ、フォグ、クラウド環境にわたる実行を限定的にサポートする。
したがって、AIプロセスとリソースは互換性のないセマンティック表現を使用して記述され、相互運用性、オーケストレーション、再利用に影響を与えることが多い。
これらの課題に対処するために、エッジフォグクラウド連続体全体にわたる分散AIワークフローを表現するために、SAREF準拠のオントロジーを提案する。
我々はSAREF4SYSTオントロジーを拡張し、AIパイプライン、実行可能なAIジョブ、計算リソース、デプロイメント制約、通信関係をモデル化し、AIワークフローと異種コンピューティングインフラストラクチャの統一的なセマンティックモデルを提供する。
このオントロジーは、ETSI SAREFエコシステムに完全に準拠しながら、セマンティック相互運用性、自動推論、分散AIアプリケーションのリソース対応オーケストレーションを可能にする。
オントロジーは概念実証のスマートグリッドエナジーサービスオーケストレーションシナリオを使用して評価され、AIワークフローのデプロイメント、実行推論、異種エッジ、フォグ、クラウド環境にわたるワークロード適応をサポートする能力を示す能力のある質問を使用して検証される。
すべての有能な質問は、SPARQLクエリとセマンティック推論を使用して、うまく検証された。
実験結果は、異種エッジフォッグクラウド環境における平均オーケストレーション決定時間を80ミリ秒以下にすることで、90～100%のデプロイメント成功率を示し、分散AIオーケストレーションにおけるセマンティック相互運用性の確保にその有効性を強調した。
関連論文リスト
- Hybrid Workflow Composition for Extreme-Scale Data Processing: A Case Study on the HL-LHC (Extended Version) [0.5156484100374059]
本稿では,タスクセットの粒度とシステムレベルの制約の相互作用を特徴付けるための新しいシミュレーションフレームワークを提案する。
その結果、ハイブリッド合成戦略はスループットを最大3.8倍に向上し、ネットワークオーバーヘッドを14.9倍削減できることがわかった。
論文 参考訳（メタデータ） (2026-07-29T13:07:31Z) - EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。
しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。
実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
論文 参考訳（メタデータ） (2026-01-29T11:33:49Z) - Hierarchical Task Offloading and Trajectory Optimization in Low-Altitude Intelligent Networks Via Auction and Diffusion-based MARL [37.79695337425523]
低高度インテリジェントネットワーク(LAIN)は、災害対応、環境モニタリング、リアルタイムセンシングといったミッションクリティカルなアプリケーションをサポートすることができる。
これらのシステムは、エネルギー制約のあるUAV、タスク到着、異種コンピューティングリソースなど、重要な課題に直面している。
本稿では,UAV軌道計画とタスクオフロード決定を協調的に最適化する,時間依存型整数型非線形計画問題の解法を提案する。
論文 参考訳（メタデータ） (2025-12-05T08:14:45Z) - Agentic AI Sustainability Assessment for Supply Chain Document Insights [0.0]
本稿では,エージェント人工知能(AI)を中心としたサプライチェーン運用におけるドキュメントインテリジェンスのための総合的持続可能性評価フレームワークを提案する。
文書集約紙抽出において, 評価可能な環境性能を提供しながら, 自動化効率を向上させるという2つの目的に対処する。
我々は,AI支援型HITLとエージェントAIのシナリオにより,エネルギー消費の最大7倍,二酸化炭素排出量の90-97%,水利用の89-98%を手作業で行うことができることを示した。
論文 参考訳（メタデータ） (2025-11-10T13:38:08Z) - HiVA: Self-organized Hierarchical Variable Agent via Goal-driven Semantic-Topological Evolution [13.440964262446558]
HiVA(Hierarchical Variable Agent)は、セマンティック・トポロジカル・エボリューション(STEV)アルゴリズムを用いて、自己組織化グラフとしてエージェントをモデル化する新しいフレームワークである。
対話、コーディング、Longcontext Q&A、数学、エージェントベンチマークの実験では、タスク精度が5～10%向上し、リソース効率が向上した。
論文 参考訳（メタデータ） (2025-08-29T18:51:18Z) - Beyond Connectivity: An Open Architecture for AI-RAN Convergence in 6G [20.07205081315289]
本稿では、共有インフラストラクチャ上での通信およびAIワークロードのオーケストレーションと管理を統一する、新しい収束型O-RANおよびAI-RANアーキテクチャを提案する。
i) O-RAN Service Management and Orchestration(SMO)を拡張してRANおよびAIワークロード間の統合リソースとアロケーションを可能にするAI-RAN Orchestrator、(ii)分散エッジAIプラットフォームにリアルタイム処理機能を提供するAI-RANサイト。
論文 参考訳（メタデータ） (2025-07-09T14:49:11Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳（メタデータ） (2025-05-03T13:55:38Z) - Transforming the Hybrid Cloud for Emerging AI Workloads [82.21522417363666]
このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。
提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。
この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
論文 参考訳（メタデータ） (2024-11-20T11:57:43Z)
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。