Fugu-MT 論文翻訳(概要): NDT Factory: Synthesizing Verified Network Digital Twins from Semantic Models via Multi-Agent LLM

論文の概要: NDT Factory: Synthesizing Verified Network Digital Twins from Semantic Models via Multi-Agent LLM

arxiv url: http://arxiv.org/abs/2609.12170v1
Date: Thu, 10 Sep 2026 19:58:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-15 07:38:31.534966
Title: NDT Factory: Synthesizing Verified Network Digital Twins from Semantic Models via Multi-Agent LLM
Title（参考訳）: NDTファクトリ:マルチエージェントLDMによる意味モデルからの検証ネットワークディジタル双対の合成
Abstract要約: 本稿では, セマンティックモデルから要求に応じて動作可能なNDTを合成するマルチエージェントソフトウェアシステムであるNDTファクトリを紹介する。本稿では,CAC (Call Admission Control) のケーススタディを用いて,入場決定過程として,決定論的なQif分析が機能するシステムを検証する。 NDTファクトリは並列合成とオーケストレーションによって完全なCAC NDTを生成し、100%コンパイルとテストパス率を達成する。
参考スコア（独自算出の注目度）: 6.158153635788405
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Autonomous network management requires systems that can evaluate Network Service Intents (NSIs) under varying conditions without manual implementation of analysis logic, as envisioned in TM Forum Level~4 (L4) autonomy. Behavioral Network Digital Twins (NDTs) enable such evaluation, but existing NDTs rely on pre-defined analytical logic, limiting adaptability for evolving closed-loop control. This paper introduces the NDT factory, a multi-agent software system that synthesizes executable behavioral NDTs on demand from semantic models using Large Language Model (LLM). We validate the system using a Call Admission Control (CAC) case study, where deterministic what-if analysis serves as the admission decision process. The NDT factory generates a complete CAC NDT through parallel synthesis and orchestration, achieving 100% compilation and test pass rates across multiple runs. Simulation over 300 NSIs shows 99.3% decision agreement with a reference implementation, 90% admission rate, and correct attribution of all rejections, demonstrating reliable synthesis with deterministic, verifiable execution.
Abstract（参考訳）: 自律的なネットワーク管理には、TMフォーラムレベル~4(L4)の自律性で想定されているように、分析ロジックを手動で実装することなく、さまざまな条件下でネットワークサービスインテント(NSI)を評価するシステムが必要である。 Behavioral Network Digital Twins (NDT) はそのような評価を可能にするが、既存のNDTは事前に定義された分析論理に依存しており、閉ループ制御の適応性を制限する。本稿では,大規模言語モデル (LLM) を用いたセマンティックモデルから要求に応じて動作可能なNDTを合成するマルチエージェントソフトウェアシステムであるNDTファクトリを紹介する。本稿では,CAC (Call Admission Control) のケーススタディを用いて,入場決定過程として,決定論的なQif分析が機能するシステムを検証する。 NDTファクトリは並列合成とオーケストレーションを通じて完全なCAC NDTを生成し、複数の実行で100%コンパイルとテストパス率を達成する。 300以上のNSIのシミュレーションでは、基準実装との99.3%の決定合意、90%の入場率、全ての拒絶の正しい帰属が示され、決定論的で検証可能な実行による信頼性の高い合成が示されている。

関連論文リスト

Agent-Native Telemetry: Verifiable State-Delta Evidence for Autonomous Operations [2.124730017640531]
本稿では,自律型機械の動作証拠アーキテクチャであるエージェントネイティブテレメトリを紹介する。本稿では,エージェントテレメトリプロトコル(ATP)とState-Delta Evidence Ledgerを紹介する。
論文参考訳（メタデータ） (2026-08-17T06:50:12Z)
Synthesizing Inductive Invariants for Distributed Protocols via IC3 and Large Language Models [10.962435384504301]
我々は、TLA+状態上でIC3スタイルのプロセスを実行することにより、誘導的不変量を合成する、ニューロシンボリックなフレームワークであるIC3Synを提案する。我々は、コンセンサス、再構成、クライアントサーバシステムにまたがる29の分散プロトコル上でIC3Synを評価する。
論文参考訳（メタデータ） (2026-05-23T15:06:15Z)
Towards Trustworthy 6G Network Digital Twins: A Framework for Validating Counterfactual What-If Analysis in Edge Computing Resources [0.5921052011710383]
Network Digital Twins (NDTs) は,6Gクラウドエッジインフラストラクチャに対して,安全なWhat-if分析を可能にする。クラウドエッジテレメトリアグリゲーションのためのスケーラブルなパイプラインで6G-TWINを拡張したデータ駆動型NDTフレームワークを提案する。
論文参考訳（メタデータ） (2026-04-16T08:49:32Z)
TorchLean: Formalizing Neural Networks in Lean [71.68907600404513]
本稿では,学習モデルを一級数学的対象として扱うフレームワークであるTorchLeanを紹介する。我々はTorchLeanのエンドツーエンドを、証明された堅牢性、PINNの物理インフォームド残差、Lyapunovスタイルのニューラルコントローラ検証で検証する。
論文参考訳（メタデータ） (2026-02-26T05:11:44Z)
Autonomous Control Leveraging LLMs: An Agentic Framework for Next-Generation Industrial Automation [0.0]
本稿では,大規模言語モデル(LLM)を個別のフォールトリカバリ計画と継続的プロセス制御の両方に活用する統合エージェントフレームワークを提案する。その結果、構造化されたフィードバックとモジュラーエージェントにより、LLMは高レベルな記号計画と低レベルな連続制御を統一できることを示した。
論文参考訳（メタデータ） (2025-07-03T11:20:22Z)
Introducing Interval Neural Networks for Uncertainty-Aware System Identification [2.8391355909797644]
本稿では,システム同定(SysID)タスクにおける不確実性定量化(UQ)を実現するために,INN(Interval Neural Networks)の構築と学習を行うフレームワークを提案する。 INNは、事前訓練されたニューラルネットワークの学習可能なパラメータ(LP)を確率論的仮定に頼ることなく、インターバル値のLPに変換することによって導出される。我々は,Long Short-Term Memory (LSTM) とNeural Ordinary Differential Equations (Neural ODEs) を Interval LSTM (ILSTM) と Interval NODE (INODE) アーキテクチャに拡張し,SysID に応用するための数学的基盤を提供する。
論文参考訳（メタデータ） (2025-04-26T08:16:46Z)
Bayesian Neural Network Language Modeling for Speech Recognition [59.681758762712754]
長期記憶リカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端のニューラルネットワーク言語モデル(NNLM)は非常に複雑になりつつある。本稿では,LSTM-RNN と Transformer LM の基盤となる不確実性を考慮するために,ベイズ学習フレームワークの全体構造を提案する。
論文参考訳（メタデータ） (2022-08-28T17:50:19Z)
MM-TTA: Multi-Modal Test-Time Adaptation for 3D Semantic Segmentation [104.48766162008815]
本稿では,3次元セマンティックセグメンテーションのためのテスト時間適応のマルチモーダル拡張を提案する。マルチモダリティを最大限に活用できるフレームワークを設計するために、各モダリティは他のモダリティに対して正規化された自己監督信号を提供する。正規化された擬似ラベルは、多数の多モードテスト時間適応シナリオにおいて安定した自己学習信号を生成する。
論文参考訳（メタデータ） (2022-04-27T02:28:12Z)
FENXI: Deep-learning Traffic Analytics at the Edge [69.34903175081284]
本稿では,TPUを利用して複雑な解析を行うシステムであるFENXIを提案する。 FENXIは、さまざまな粒度で動作するオペレーションとトラフィック分析を分離する。分析の結果,FENXIは限られた資源しか必要とせず,転送ラインレートのトラヒック処理を継続できることがわかった。
論文参考訳（メタデータ） (2021-05-25T08:02:44Z)
Chance-Constrained Control with Lexicographic Deep Reinforcement Learning [77.34726150561087]
本稿では,レキシックなDeep Reinforcement Learning(DeepRL)に基づく確率制約マルコフ決定プロセスを提案する。有名なDeepRLアルゴリズムDQNの辞書版も提案され、シミュレーションによって検証されている。
論文参考訳（メタデータ） (2020-10-19T13:09:14Z)
Certified Reinforcement Learning with Logic Guidance [78.2286146954051]
線形時間論理(LTL)を用いて未知の連続状態/動作マルコフ決定過程(MDP)のゴールを定式化できるモデルフリーなRLアルゴリズムを提案する。このアルゴリズムは、トレースが仕様を最大確率で満たす制御ポリシーを合成することが保証される。
論文参考訳（メタデータ） (2019-02-02T20:09:32Z)

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。