MétaCan
Menu
Retour à la cohorte
Enregistrement W4391019797 · doi:10.1109/mnet.2024.3355922

(Com)<sup>2</sup>Net: A Novel Communication and Computation Integrated Network Architecture

2024· article· en· W4391019797 sur OpenAlexaff
Weiting Zhang, Dong Yang, Chuan Zhang, Qiang Ye, Hongke Zhang, Xuemin Shen

Notice bibliographique

RevueIEEE Network · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueStochastic Gradient Optimization Techniques
Établissements canadiensUniversity of WaterlooUniversity of Calgary
Organismes subventionnairesNational Key Research and Development Program of ChinaChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésComputer scienceCloud computingSoftware deploymentComputationThe InternetDistributed computingDomain (mathematical analysis)Artificial intelligenceWorld Wide WebAlgorithmSoftware engineeringOperating system

Résumé

récupéré en direct d'OpenAlex

With the wide deployment of computing capabilities and artificial intelligence (AI) techniques, Internet of intelligence is envisioned as a natural tendency in future networks. This technological revolution will foster abundant computing services with new requirements, such as distributed large AI model training and on-the-fly image rendering, which require dynamic collaboration of multi-dimensional resources from both the communication and computation perspectives. In this article, we introduce a communication and computation integrated network architecture, named (Com)2Net. Enormous computing traffic can be scheduled across space-air-ground domain, end-edge-cloud domain, and multi-data center domain, which facilitates ubiquitous connectivity and collaborative computation, thus supporting diverse advanced computing services. Furthermore, an intelligent resource adaption scheme is proposed to dynamically orchestrate multi-dimensional resources for massive concurrent computing tasks, in which quantum genetic algorithms are utilized to make the best joint decision for inter-domain traffic scheduling and intra-domain resource allocation. Finally, we present a case study, and discuss open research issues that are fundamental for efficient collaborative computation in (Com)2Net.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,256
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE NetworkMême sujetStochastic Gradient Optimization TechniquesTravaux en français237 207