論文の概要: Low-Latency MoE Inference in Space Data Centers: A Wireless-Power-Transfer Perspective

• arxiv url: http://arxiv.org/abs/2610.30923v1
• Date: Thu, 22 Oct 2026 08:42:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.286754
• Title: Low-Latency MoE Inference in Space Data Centers: A Wireless-Power-Transfer Perspective
• Title（参考訳）: 宇宙データセンターにおける低レイテンシMOE推論:無線電力変換の視点から
• Abstract要約: 大型言語モデル(LLM)のプラットフォームとして宇宙データセンターが登場 本研究では,サテライト間レーザを用いた無線電力伝送計算により収穫電力を再分配するSpaceWPTフレームワークを提案する。 このサロゲートの最小化は、それぞれのアクティブエキスパートが水位とWPTリンク効率に応じて電力を寄付するか、保持するか、または受信するかを決定する、新しい2面の給水戦略をもたらす。
• 参考スコア（独自算出の注目度）: 32.8909745787066
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Space data centers (SpaceDCs) are emerging as platforms for large language models (LLMs), supported by continuous solar-energy harvesting and high-speed interconnections. The mixture-of-experts (MoE) architecture supports distributed LLM inference by deploying experts across satellites. However, skewed expert activation creates uneven computation power demands despite uniform solar-power supply at the dawn-dusk sun-synchronous orbit (SSO). Consequently, active experts remain power-constrained while harvested power at idle experts is underused. These reduce inference efficiency and increase latency. To address this supply-demand mismatch, we propose the SpaceWPT framework, which uses inter-satellite laser-based wireless power transfer (WPT) to redistribute harvested power. The key design challenge is to balance the computation demands of power-donating and power-receiving satellites under WPT losses: transferring more power accelerates computation at the receiver but leaves less power for the donor. After deriving design principles that simplify WPT control, we characterize the resulting latency tradeoff through a tractable surrogate of average inference latency. Minimizing the surrogate yields a novel two-sided water-filling strategy that determines whether each active expert donates, retains, or receives power according to the water level and its WPT link efficiency. Simulations with Mixtral-8x7B and Phi-3.5-MoE show up to 29.25% lower inference latency than without WPT, with larger gains under more compact formations and higher transfer efficiencies.
• Abstract（参考訳）: 宇宙データセンター (SpaceDCs) は大規模言語モデル (LLMs) のプラットフォームとして登場しており、継続的な太陽エネルギーの収穫と高速相互接続によって支えられている。 Mix-of-Experts (MoE)アーキテクチャは、衛星に専門家を配置することで、分散LLM推論をサポートする。 しかし、歪んだ専門家の活性化は、夜明けの太陽同期軌道(SSO)における均一な太陽エネルギーの供給にもかかわらず、不均一な計算力を生み出す。 その結果、アクティブな専門家は、アイドル専門家の収穫力が過小評価される一方で、電力の制限を受け続ける。 これにより推論効率が低下し、レイテンシが向上する。 この需給ミスマッチに対処するために,サテライト間レーザを用いた無線電力伝送(WPT)を用いて収穫電力を再分配するSpaceWPTフレームワークを提案する。 重要な設計上の課題は、WPT損失下での電力供与と電力受信衛星の計算要求のバランスをとることである。 WPT制御を単純化する設計原則を導出した後、平均推論遅延のトラクタブルサロゲートを通じて、結果として生じるレイテンシトレードオフを特徴付ける。 このサロゲートの最小化は、それぞれのアクティブエキスパートが水位とWPTリンク効率に応じて電力を寄付するか、保持するか、または受信するかを決定する、新しい2面の給水戦略をもたらす。 Mixtral-8x7B と Phi-3.5-MoE のシミュレーションでは、WPTのない場合よりも29.25%低い推論遅延を示し、よりコンパクトな形成とより高い転送効率で大きな利得が得られた。

関連論文リスト

• Space Generative AI with Solar Energy Harvesting [31.119597584785595]
  本稿では、衛星がユーザのプロンプトを受け取り、拡散ベースの画像生成モデルを実行し、厳密な時間窓で圧縮結果をダウンリンクする太陽エネルギー空間生成AIのためのフレームワークを提案する。 我々は、決定論的軌道運動によって誘導される予測可能な太陽-EHダイナミクスを活用し、抽出可能な2段階アプローチを用いて、共同でC$2$の資源最適化フレームワークを開発する。
  論文  参考訳（メタデータ） (2026-09-01T10:58:15Z)
• Joint AoI and Handover Optimization in Space-Air-Ground Integrated Network [48.485907216785904]
  ローアース軌道(LEO)衛星コンステレーションは、地球をカバーし、遅延を減少させる有望な解決策を提供する。 しかし、軌道力学による間欠的カバレッジと間欠的な通信窓に苦しむ。 我々の3層設計では、HAP-地上通信のための高容量衛星間通信と信頼性無線周波数(RF)リンクに、ハイブリッド自由空間光(FSO)リンクを用いる。
  論文  参考訳（メタデータ） (2025-09-16T06:16:56Z)
• Intra-DP: A High Performance Collaborative Inference System for Mobile Edge Computing [67.98609858326951]
  Intra-DPはモバイルデバイス上でのディープニューラルネットワーク(DNN)に最適化された高性能な協調推論システムである。 推論毎のレイテンシを最大50%削減し、最先端のベースラインと比較してエネルギー消費量を最大75%削減する。 評価の結果,DP内の遅延は,最先端のベースラインと比較して最大50%,エネルギー消費は最大75%減少することがわかった。
  論文  参考訳（メタデータ） (2025-07-08T09:50:57Z)
• Demand-Aware Beam Hopping and Power Allocation for Load Balancing in Digital Twin empowered LEO Satellite Networks [6.8053434130447625]
  ビームホッピング(BH)技術を利用した低地球軌道(LEO)衛星は、広範囲のカバレッジ、低レイテンシ、高帯域幅、大きな柔軟性を提供する。 従来のビームホッピング(BH)法は、衛星干渉、重なり合うカバー、モビリティといった問題に対処できない。 本稿では,複数のLEO衛星を対象としたDigital Twin(DT)を用いた協調資源割り当てネットワークについて検討する。
  論文  参考訳（メタデータ） (2024-10-29T01:32:11Z)
• Energy-Efficient Power Control for Multiple-Task Split Inference in UAVs: A Tiny Learning-Based Approach [27.48920259431965]
  無人航空機(UAV)における分割推論におけるエネルギー最小化のための2段階のアプローチを提案する。 送信電力の最適化を送信時間に置き換えて,計算複雑性を低減する。 シミュレーションの結果,提案アルゴリズムは低消費電力でタスク完了確率が高いことを示す。
  論文  参考訳（メタデータ） (2023-12-31T10:16:59Z)
• Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual Antenna Arrays [55.736718475856726]
  無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である 既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。 協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
  論文  参考訳（メタデータ） (2023-08-03T02:49:50Z)
• Long-term Wind Power Forecasting with Hierarchical Spatial-Temporal Transformer [112.12271800369741]
  風力発電は、再生可能、汚染のないその他の利点により、世界中の注目を集めている。 正確な風力発電予測(WPF)は、電力系統の運用における電力変動を効果的に低減することができる。 既存の手法は主に短期的な予測のために設計されており、効果的な時空間的特徴増強が欠如している。
  論文  参考訳（メタデータ） (2023-05-30T04:03:15Z)
• Deep Reinforcement Learning Based Multidimensional Resource Management for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
  エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。 本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
  論文  参考訳（メタデータ） (2021-09-17T08:55:48Z)
• Wirelessly Powered Federated Edge Learning: Optimal Tradeoffs Between Convergence and Power Transfer [42.30741737568212]
  無線電力伝送(WPT)を用いた電力機器の解法を提案する。 本研究の目的は、無線で駆動するFEEL(WP-FEEL)システムの導入に関するガイドラインの導出である。 その結果、WPTプロビジョニングに関する有用なガイドラインを提供し、学習パフォーマンスの保証を提供します。
  論文  参考訳（メタデータ） (2021-02-24T15:47:34Z)

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。