論文の概要: Heterogeneous Space Data Centers: A Key Paradigm for Future Non-Terrestrial and In-Orbit Services

• arxiv url: http://arxiv.org/abs/2610.32260v1
• Date: Fri, 23 Oct 2026 07:15:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.417612
• Title: Heterogeneous Space Data Centers: A Key Paradigm for Future Non-Terrestrial and In-Orbit Services
• Title（参考訳）: 不均質な宇宙データセンター:将来の地球外・軌道内サービスのための重要なパラダイム
• Abstract要約: 宇宙打ち上げコストの低減とAIの進歩は、軌道内および地球外の資産にAI中心のコンピューティングと通信サービスを提供する宇宙ベースのデータセンター(SDC)を駆動している。 地上, 航空, 軌道上のユーザを対象とするアプリケーションを支援するため, 計算能力, サイズ, 電力予算で区別された大小のノードからなる異種SDCを導入する。
• 参考スコア（独自算出の注目度）: 13.008503156051646
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lower space-launch cost and advances in AI are driving space-based data centers (SDCs) that provide AI-centric computing and communication services to in-orbit and non-terrestrial assets. However, architectural principles, service models, and energy provisioning for such SDCs, particularly in low-Earth orbit (LEO), remain largely unexplored. We introduce heterogeneous SDCs composed of large and small nodes, differentiated by computing capability, size, and power budget, to support applications spanning ground, aerial, and in-orbit users. We define use cases, node sizing and placement strategies, and interconnection topologies integrating space-to-space and space-to-ground links. Focusing on dawn-dusk LEO configurations, we analyze solar power availability, visibility windows, and latency-aware coverage. Using baseline workloads for typical scenarios, we evaluate latency and service reliability. We quantify energy requirements of different SDC roles and deployment scales, highlighting trade-offs among node size, orbit selection, and service portfolio, and provide design guidance and future research directions for AI infrastructure in space.
• Abstract（参考訳）: 宇宙打ち上げコストの低減とAIの進歩は、軌道内および地球外の資産にAI中心のコンピューティングと通信サービスを提供する宇宙ベースのデータセンター(SDC)を駆動している。 しかし、特に低地球軌道 (LEO) では、建築原理やサービスモデル、エネルギー供給は未解明のままである。 地上, 航空, 軌道上のユーザを対象とするアプリケーションを支援するため, 計算能力, サイズ, 電力予算で区別された大小のノードからなる異種SDCを導入する。 我々は、空間間リンクと空間間リンクを統合したユースケース、ノードサイズと配置戦略、相互接続トポロジを定義する。 夜明けのLEO構成に注目して、太陽エネルギーの可用性、可視性ウィンドウ、遅延対応カバレッジを分析します。 典型的なシナリオのベースラインワークロードを使用して、レイテンシとサービスの信頼性を評価します。 我々は、異なるSDCの役割と展開スケールのエネルギー要件を定量化し、ノードサイズ、軌道選択、サービスポートフォリオ間のトレードオフを強調し、宇宙におけるAIインフラの設計ガイダンスと将来の研究方向性を提供する。

関連論文リスト

• The Cost and Network Limits of Space-Based AI Compute [2.436681150766912]
  分析は、打ち上げコスト、発電、冷却、放射線暴露、大気圏再突入の軌道と地上のシステムを比較している。 LEOに基づく推論は実現可能であるが、軌道上におけるフロンティアスケールのLSMの訓練は地球上のデータセンターと競合する可能性は低い。
  論文  参考訳（メタデータ） (2026-07-15T09:42:59Z)
• Deep Tech to Space: Space Data Centers and AI Revolution at the Edge [5.191708026362522]
  Space Data Centers (SDC) は、ソフトウェア駆動のマルチテナント人工知能ベースのサービスプラットフォームで、軌道上でデータを処理できる。 本稿では、軌道設計、衛星間リンク、ネットワークトポロジーを考慮して、低軌道SDC衛星コンステレーションのアーキテクチャについて述べる。 我々は,技術ロードマップから得られた予測モデルを用いて,SDCの技術的実現可能性と経済性について分析する。
  論文  参考訳（メタデータ） (2026-05-19T14:23:26Z)
• Space Network of Experts: Architecture and Expert Placement [53.89437186709926]
  宇宙データセンターは、エネルギー集約型大規模言語モデル(LLM)を実行するための有望なプラットフォームとして構想されている しかし、重要な課題の1つは、衛星ネットワークにおける大規模LSMの効率的な分散配置である。 本稿では,広く普及しているMix-of-Experts(MoE)モデルの分散実行を目的としたSpace Network of Experts(Space-XNet)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-01T08:40:31Z)
• Distributed satellite information networks: Architecture, enabling technologies, and trends [56.747473208256174]
  分散衛星情報ネットワーク(DSIN)は、多様な衛星システム間での情報ギャップを埋める革新的なアーキテクチャとして登場した。 この調査はまず、DSINの革新的なネットワークアーキテクチャに関する深い議論を提供する。 DSINは、ネットワークの不均一性、予測不可能なチャネルダイナミクス、スパースリソース、分散コラボレーションフレームワークといった課題に直面している。
  論文  参考訳（メタデータ） (2024-12-17T06:44:05Z)
• Tera-SpaceCom: GNN-based Deep Reinforcement Learning for Joint Resource Allocation and Task Offloading in TeraHertz Band Space Networks [11.881917133887102]
  Tera-SpaceComは、様々な宇宙科学および通信アプリケーションを実現するための有望な技術として構想されている。 グラフニューラルネットワーク(GNN)を用いた深層強化学習(DRL)に基づく共同資源割り当てとタスクオフロードアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-09-12T10:26:17Z)
• Machine Learning-Based User Scheduling in Integrated Satellite-HAPS-Ground Networks [82.58968700765783]
  第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。 本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
  論文  参考訳（メタデータ） (2022-05-27T13:09:29Z)
• EC-SAGINs: Edge Computing-enhanced Space-Air-Ground Integrated Networks for Internet of Vehicles [24.603373235841598]
  エッジコンピューティング強化車両インターネット(EC-IoV)は、車両間のユビキタスデータ処理とコンテンツ共有を可能にします。 EC-IoVは、車両と地上エッジコンピューティングインフラストラクチャ間の接続と相互作用に大きく依存しています。 遠隔地における各種IoVサービスを支援するために,エッジコンピューティング対応の宇宙航空統合ネットワーク(EC-SAGIN)の枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-15T10:56:23Z)
• 6G in the Sky: On-Demand Intelligence at the Edge of 3D Networks [60.49776988771734]
  6Gは衛星、航空、地上のプラットフォームを共同で利用し、無線アクセス能力を向上する。 通信、計算、キャッシュ(C3)サービスをオンデマンドで、いつでも、そして、どこでも3D空間で提供するアーキテクチャを考えます。
  論文  参考訳（メタデータ） (2020-10-19T13:07:57Z)

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。