权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

超多チャネル型光ネットワークにおける高速周波数資源割当制御に関する研究

超多通道光网络高速频率资源分配控制研究

基本信息

批准号：
21K04054
负责人：
廣田悠介
金额：
$ 2.58万
依托单位：
National Institute of Information and Communications Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究の目的は、将来の光ネットワークとして多数の光ファイバで構成されるリンクで交換ノードが接続された超多数ファイバリンク型光ネットワークを対象とし、その基本特性を明らかにするとともに、超多数の並列空間チャネルが利用可能な光ネットワークに適したノードアーキテクチャの設計、及び新たな光ネットワーク制御基盤システムの要素技術を開発することであり、2年目である令和4年度は、初年度同様にそれぞれのタスクを並行して進めた。タスク1に関しては、初年度に検討を行った超多数チャネル収容する光スイッチングノードアーキテクチャの細部検討を行い、多数の光ファイバリンクが接続されるスイッチングノードアーキテクチャとして、ファイバスイッチングと波長・空間（コア・モード）チャネル単位に分割した上で細粒度スイッチングを行う多段階ノード構成システム設計を行った。特に、利用可能な空間チャネル数の異なる光ファイバが具備された光ネットワークに着目し、ノード構成などの検討を進めた。タスク2に関しては、初年度の提案資源割当アルゴリズムを様々なトポロジで性能評価し、更なる方式の改良を実施した。特に、タスク1と関連して、様々な空間チャネル数を有するヘテロSDMネットワークを対象として、強化学習を用いた経路・周波数チャネル・空間チャネル割当方式を提案し、大幅な棄却率改善が可能であることを明らかにした。空間チャネル数により機械学習の行動の選択肢が大幅に増加するが、波長チャネル側での行動に適切な制限を設けることで、半分以下の学習回数で大きな棄却率改善を実現する行動選択が可能であることも明らかにした。また、年度後半は、提案アルゴリズムの性能評価、改善を試みるとともに、資源管理プロトコル開発に着手し、集中管理型に加えて各ノードで自律分散的に動作する際のシグナリング情報などの検討を行った。

The purpose of this study is, the future of the light of the light will be the most of the light of the day. The majority of the light type light ネットワークを対 resembles とし, the basic characteristics of そのを明らかにするとともに, and the super plurality of parallel space チャネIt is possible to use the な光ネットワークにsuitableしたノードアーキテクチャの design, and び新たな光ネットワークcontrol base plate システムThe technical elements of the technology are the same as those for the 2nd year and the 4th year and the first year.タスク1に关しては、First year of the year に検question を行ったSuper majority チャネルContainment する光スイッチングノードアーキテクチャの Details検问を行い、多の光ファイバリンクが开続されるスイッチングノードアーキテクチャとして、ファイバスイッチングとwavelength・space（コア・モード）チャネルUnit segmentation した上でFine-grained スイッチングを行うMulti-stage ノードConstruction システムDesign を行った. Features, possible utilization of the space, the number of different spaces, the light and the light are available.れた光ネットワークに出目し、ノード constitute a などの検question を入めた.タスク2に关しては, first-year proposal resource cut-off アルゴリズムを様々なトポロジで performance evaluation 価し, and updated なるmethod の IMPROVEMENT を実事した.特に、タスク1とrelatedして、様々なspaceチャネルnumberを有するヘテロSDMネットワークを対imageとして、Reinforcement learning をIt is possible to improve the abandonment rate significantly, and it is possible to improve the abandonment rate in the future. Space チャネルnumber によりMechanical learning の选択limb が大に Increase するが、Wavelength チャネル Side でのaction にAdaptable な limit をLet's assume that the number of learning times or less than half a point and the abandonment rate will improve and the action selection will be possible.また, second half of the year, proposal アルゴリズムのperformance evaluation価, improvement test みるとともに, resource management プロトコル开発にHands, centralized management type, each type of control, self-discipline and decentralized control, action control, information control, and action control.