論文の概要: An Information-Geometric Framework for OCS-Reconfigurable Interconnect Topology in Large-Scale AI Clusters

• arxiv url: http://arxiv.org/abs/2610.25173v1
• Date: Sun, 18 Oct 2026 10:55:39 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:40:31.621732
• Title: An Information-Geometric Framework for OCS-Reconfigurable Interconnect Topology in Large-Scale AI Clusters
• Title（参考訳）: 大規模AIクラスタにおけるOCS再構成可能なインターコネクショントポロジーのための情報幾何学的フレームワーク
• Abstract要約: 配線は、次数ポリトープ内の回路上の確率単純度における点である。 しきい値ポリシーは、スイッチングフリーの最適値に対する後悔をもたらす。 パイプライン、データ、MoEワークロードの実験は、整数プログラミングに対するフレームワークを検証する。
• 参考スコア（独自算出の注目度）: 0.65268245109828
• License:
• Abstract: Optical Circuit Switches (OCS) make inter-pod wiring in AI clusters programmable, posing design questions on wiring choice, symmetry departure, and reconfigurations. We present a unified information-geometric framework to address these issues.A wiring is a point in a probability simplex over circuits within a degree polytope. Departure from a symmetric Fat-Tree prior $\mathbf{q}$ is measured by $\DKL(\cdot \,\|\, \mathbf{q})$. The cost $U$ is the smoothed DAG critical-path length, whose gradient equals path marginals of a Gibbs distribution via forward--backward recursion.For free energy $F_{β_1} = U + β_1^{-1} \DKL(\cdot \,\|\, \mathbf{q})$, we prove well-posedness, monotonic dependence on $β_1$, adaptation bounds via Jeffreys divergence, and a symmetry principle for static optimality. An entropic proximal-gradient method updates multiplicatively with a $|V|$-dim dual KL projection, achieving linear convergence.For time-varying traffic, a threshold policy yields regret $O(\sqrt{ΓC V_1 T})$ against the switching-free optimum. Traffic changes are detected by a multinomial GLR--CUSUM detector with non-asymptotic false-alarm bounds. Multi-job generalized-mean fairness aligns with $α$-fairness ($α\ge 2$). Experiments on pipeline, data, and MoE workloads validate the framework against integer programming.
• Abstract（参考訳）: 光回路スイッチ(OCS)は、AIクラスタ内のポッド間配線をプログラム可能とし、配線選択、対称性の離脱、再構成に関する設計上の疑問を提起する。 本稿では,これらの問題に対処するための統合された情報幾何学的枠組みを提案する。 対称な Fat-Tree 以前の $\mathbf{q}$ は $\DKL(\cdot \,\|\, \mathbf{q})$ で測られる。 自由エネルギー$F_{β_1} = U + β_1^{-1} \DKL(\cdot \,\|\, \mathbf{q})$ に対して、我々はよく提示されたこと、$β_1$ への単調な依存、ジェフリーズ発散による適応境界、静的最適性の対称性の原理を証明している。 エントロピック近勾配法は, 線形収束を達成するために, $|V|$-dim双対KLプロジェクションを乗法的に更新する。 交通変化は、非漸近的偽アラーム境界を持つ多項GLR-CUSUM検出器によって検出される。 多重ジョブの一般化平均フェアネスは、$α$-fairness(α\ge 2$)と整合する。 パイプライン、データ、MoEワークロードの実験は、整数プログラミングに対するフレームワークを検証する。

関連論文リスト

• Optimizing the Preconditioner: A Black-box Online-to-Nonconvex Conversion with Static Regret Minimization Oracles [15.386375612838371]
  非最適化は、ブラックボックス方式でオンライン凸最適化において通常の静的に還元できる。 スムーズな非目的に対して、当社の削減は予測可能な勾配トラッカーを維持し、ブラックボックスは固定されたMをオンラインに選択する。 オンラインでブラックボックスがaを選択します。 オンラインのブラックボックスはグラデーショントラッカーを選択し、トラッカーがグラデーションにどのように変換されるかを決定する。 A。 Black-box Onlineは、トラッカーがグラデーションにどのように変換されるかを決定する固定されたMを選択する。 A。 オンラインのブラックボックスがグラデーショントラッカーを選択し、トラッカーがaに変換される方法を決定する
  論文  参考訳（メタデータ） (2026-07-20T06:53:59Z)
• Nonstationary Generalized Linear Bandits with Discounted Online Mirror Descent [39.805192541498634]
  本研究では,非定常線形計算(GLBs)について検討し,期待される報酬を未知の時間変化パラメータを持つ非線形リンク関数を用いてモデル化する。 本稿では,パラメータ推定に割引オンラインミラー降下(DOMD)を利用する非定常GLBに対する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-05-25T08:40:32Z)
• OAM-Induced Lattice Rotation Reveals a Fractional Optimum in Fault-Tolerant GKP Quantum Sensing [0.0]
  軌道角モメンタム符号化とGottesman-Kitaev-Preskill(GKP)格子幾何学が構造的に結合していることを確立する。 終端から終端までの微分可能なStrawberry Fields--TensorFlow回路を用いて、$ell$、格子アスペクト比$r$、および有限エネルギーエンベロープ$$を共に最適化し、量子フィッシャー情報を最大化する。
  論文  参考訳（メタデータ） (2026-05-13T09:49:16Z)
• Robust Sublinear Convergence Rates for Iterative Bregman Projections [21.689846521201588]
  エントロピック正規化(entropic regularization)は、制約が2つ(またはそれ以上)のトラクタブルブロックに分割された線形プログラムに近似する。 グラフ上のWasserstein-1距離に対するフローシンクホーンアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2026-02-01T18:20:19Z)
• INC: An Indirect Neural Corrector for Auto-Regressive Hybrid PDE Solvers [61.84396402100827]
  本稿では,学習した補正を支配方程式に統合する間接ニューラルコレクタ(mathrmINC$)を提案する。 $mathrmINC$は、$t-1 + L$の順番でエラー増幅を減らし、$t$はタイムステップ、$L$はリプシッツ定数である。 大規模なベンチマークで$mathrmINC$をテストし、1Dカオスシステムから3D乱流まで、多くの異なる解法、神経バックボーン、テストケースをカバーした。
  論文  参考訳（メタデータ） (2025-11-16T20:14:28Z)
• Symmetry-Breaking Descent for Invariant Cost Functionals [0.0]
  タスクコストの関数的$W : Hs(M) を mathbbR$ に還元する問題について検討する。 信号の対称性を破る変形はコストを低減できることを示す。
  論文  参考訳（メタデータ） (2025-05-19T15:06:31Z)
• Horizon-Free and Variance-Dependent Reinforcement Learning for Latent Markov Decision Processes [62.90204655228324]
  我々は,後期マルコフ決定過程(LMDP)における強化学習(RL)の文脈を考慮した後悔の最小化について検討した。 我々は,モデル最適化と値最適化の両手法でインスタンス化できる,新しいモデルベースアルゴリズムフレームワークを設計する。
  論文  参考訳（メタデータ） (2022-10-20T21:32:01Z)
• Statistical Inference of Constrained Stochastic Optimization via Sketched Sequential Quadratic Programming [53.63469275932989]
  制約付き非線形最適化問題のオンライン統計的推測を考察する。 これらの問題を解決するために、逐次二次計画法(StoSQP)を適用する。
  論文  参考訳（メタデータ） (2022-05-27T00:34:03Z)
• Variance-Aware Confidence Set: Variance-Dependent Bound for Linear Bandits and Horizon-Free Bound for Linear Mixture MDP [76.94328400919836]
  線形バンドイットと線形混合決定プロセス(mdp)に対する分散認識信頼セットの構築方法を示す。 線形バンドイットに対しては、$d を特徴次元とする$widetildeo(mathrmpoly(d)sqrt1 + sum_i=1ksigma_i2) が成り立つ。 線形混合 MDP に対し、$widetildeO(mathrmpoly(d)sqrtK)$ regret bound を得る。
  論文  参考訳（メタデータ） (2021-01-29T18:57:52Z)
• Naive Exploration is Optimal for Online LQR [49.681825576239355]
  最適後悔尺度は$widetildeTheta(sqrtd_mathbfu2 d_mathbfx T)$で、$T$は時間ステップの数、$d_mathbfu$は入力空間の次元、$d_mathbfx$はシステム状態の次元である。 我々の下界は、かつての$mathrmpoly(logT)$-regretアルゴリズムの可能性を排除する。
  論文  参考訳（メタデータ） (2020-01-27T03:44:54Z)

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。