Power-aware design of the optical interconnect for future data centers
Notice bibliographique
Résumé
The volume of traffic carried on the Optical Transport Network (OTN) is continuously growing, not only due to the increase of new services, new applications, and the number of both connected users and smart devices, but also owing to the rapidly growing Data Center Interconnect (DCI) market. As a result, telecom operators need to upgrade their transport networks to cope with these new traffic requirements. This tremendous increase in bandwidth demand will also introduce energy bottlenecks in OTNs. The telecommunication networks' significant Greenhouse Gas Emissions (GGE) is another challenge that must be addressed in OTN design and planning policies. Thus, energy-efficient OTN architectures are currently attracting the attention of telecom operators. The candidate OTN architectures are: (1) the conventional Dense Wavelength Division Multiplexing (DWDM) fixed grid with high Single Line Rates (SLRs); (2) the conventional DWDM fixed grid adopting Mixed Line Rates (MLRs); and (3) the Elastic Optical Network (EON) or flexigrid-based architecture which is enabled by the Optical Orthogonal Frequency Division Multiplexing (O-OFDM) technique. This paper evaluates the power consumption of the abovementioned OTN architectures under different traffic loads and patterns, as well as different network physical topologies. In order to perform the evaluation, new heuristic algorithms are specifically developed for the green design and planning of data center optical interconnects.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».