UCLP in flow state router platforms
Bibliographic record
Abstract
Actualment, els serveis òptics són essencialment estàtics, en els que els usuaris sol•liciten als proveïdors o ISPs l’ample de banda que necessiten durant un cert període de temps. Aquest serveis s’aprovisionen de forma manual, la qual cosa pot suposar un treball llarg i costós. Els usuaris o les mateixes aplicacions necessiten flexibilitat per controlar els seus serveis al llarg de diferents dominis independents, ja que estan en millor posició que els proveïdors per escollir i gestionar camins òptics adaptats a les seves necessitats. Aquesta idea ha donat lloc a un nou paradigma en el mon de les xarxes anomenat “xarxes controlades per usuaris”. Amb el patrocini de Canarie, s’està duent a terme una investigació per tal d’aconseguir les xarxes controlades pels usuaris. D’aquesta investigació ha sorgit un sistema anomenat "User-Controlled Lightpath Provisioning" (UCLP) (Provisió de camins òptics controlats per usuaris) que permet als usuaris establir canals òptics d’extrem a extrem a través de diferents Sistemes Autònoms. Aquest software s’està desenvolupant al CRC (Communications Research Centre, Canada) amb la col•laboració de la Fundació i2Cat. UCLP es un sistema de gestió distribuït que utilitza la idea de OON (Objecte Orientat a Xarxa) i que es pot explicar com una eina de partició i configuració que representa cada recurs d’una xarxa física (fibres, targetes) com un servei o objecte. Aquest servei/objecte es pot posar sota el control de diversos usuaris de la xarxa per tal que puguin crear les seves pròpies topologies de xarxa IP. Fins ara, UCLP treballava amb equips de capa 1 i 2. El principal objectiu d’aquest projecte és trobar una solució per integrar equips de capa 3 al sistema. Concretament, es vol introduir un router basat en una nova tecnologia anomenada “estat de flux” (flow-state). Aquesta tecnologia, que permet reconèixer fluxos basats en determinades funcions de hash, realitza un extens procés al primer paquet d’un flux, associa aquest flux amb un estat i aplica el resultat d’aquest procés als següents paquets del flux, amb els quals, enlloc de realitzar enrutament, simplement els reenviarà sense mirar les taules d’enrutament.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.009 |
| Open science | 0.004 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.039 | 0.015 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".