Revisiting Scalability of Distributed Wireless Networks: A Multi-Hop Communication Perspective
Notice bibliographique
Résumé
Large-scale distributed wireless networks provide infrastructure-free and cost-effective connectivity, supporting applications from disaster recovery to global digital inclusion. However, multi-hop communication introduces scalability challenges, as point-to-point (P2P) capacity decreases with the number of intermediate relays (hop count). The growth rate of the expectedhop countwith network expansion is primarily governed by the underlying interaction patterns among network users. Thus, this study focuses on the critical role of multi-hop communication and user interaction probability, which empirical evidence shows it decays as a power law with geographic distance. We present a comprehensive analysis of network scalability, from capacity estimation to empirical evaluation of real-world interaction patterns. The capacity estimation problem is decomposed using a novel analytical methodology, along with symmetric topology selection and geometric partitioning, to overcome the complexities inherent in previous models. The estimated P2P capacity bounds, derived fromexpectedhop count, surpass previous benchmarks. Specifically, when the power-law exponent exceeds a critical threshold, the expected hop count remains stable and P2P capacity is sustained; otherwise, the hop count grows and capacity declines as the network scales. Accordingly, an analytical method is devised to relate real-world interaction patterns to the power-law exponent, quantified by thecontact distribution. The analysis of multiple empirical datasets confirms that the exponent falls within a range that naturally supportsscalability. Consequently, multi-hop communication does not fundamentally hinder the wide-scale deployment of distributed wireless networks. This capacity-based analysis provides a clear perspective on scalability under realistic interaction patterns and underscores the promising future of such networks, as well as their potential for widespread deployment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,013 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».