4 分で読了
1 views

異種要件を扱う混雑制御プロトコル「Hercules」

(Hercules: Heterogeneous Requirements Congestion Control Protocol)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、お忙しいところ恐れ入ります。最近、ネットワークの話が社内で頻繁に出るようになりまして、特に現場からは「遅延や途切れが事業に直結する」と聞くのですが、そもそも今の混雑対策って何が問題なのでしょうか。

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、簡単に整理しますよ。今の課題は混雑発生時に接続それぞれの『求める品質』がばらばらで、既存のCongestion Control (CC) 混雑制御は少数の要求クラスを前提に作られている点にあります。

田中専務

つまり、全部同じ扱いにして済ませるから、重要なやつが満足されないという話ですか。これって要するに優先順位付けが効かないということですか。

AIメンター拓海

いい切り口ですね!その通りです。ただ重要なのは単なる優先順位ではなく、接続ごとに異なる『最低限満たすべき要求』がある点です。Herculesはそのことを前提にして、オンライン学習という手法で各接続の要件を連続的に扱えるようにした新しいCCです。

田中専務

オンライン学習というとAIの話のように聞こえますが、うちの現場に導入してすぐ運用できるものなのでしょうか。導入コストや現場の混乱が一番心配です。

AIメンター拓海

素晴らしい着眼点ですね!心配無用です。まず要点を3つで言うと、1) 導入はエンドポイント側(サーバやアプリ)で完結するため既存ネットワーク機器を替えない、2) 学習は継続的で現場の流量特性に適応する、3) 実運用で検証済みでQUICモジュールとして実装されている、です。

田中専務

QUICというのは聞いたことがありますが具体的には何が変わるのですか。あと本当にQoSが三倍以上良くなると言われても、うちのような現場での数字の見方が分かりません。

AIメンター拓海

良い質問です。QUICはUDP上で動く新しいトランスポートプロトコルで、接続ごとの制御が柔軟です。Herculesはそこにモジュールとして組み込み、接続が望む最低限の帯域や遅延の要件を満たすように学習して送信率を調整するため、体感としては重要業務の途切れが減り一部の指標で最大3.5倍の改善が観察されています。

田中専務

投資対効果はどのように見ればよいのでしょうか。社内では帯域を増やす案もありますが、費用がかさむのでソフト的に改善するなら歓迎です。

AIメンター拓海

素晴らしい着眼点ですね!投資対効果の観点では、1) ハード刷新が不要な点、2) 既存アプリやサーバ設定で有効化できる点、3) トラフィックの効率化でピーク追加投資を回避できる点がメリットです。まずは影響の大きい数サービスでパイロットを回すことを勧めますよ。

田中専務

なるほど、まずは小さく試して効果を出せば社内説得もしやすいと。これって要するに、重要な接続の最低ラインを守る仕組みを後付けで作れるということですか。

AIメンター拓海

まさにその通りですよ。要点は三つだけ覚えれば良いです。1) 接続ごとの異なる要求を連続的に扱う、2) オンライン学習で環境に適応する、3) 既存インフラを壊さずに実装できる、です。大丈夫、一緒にやれば必ずできますよ。

田中専務

分かりました。では最終確認ですが、Herculesはネットワークを全部入れ替えるのではなく、エンド側の制御を賢くして重要接続の最低保証を狙う、という理解でよろしいですね。私の言葉で言うと、要は『重要業務を先に守る仕組みを後付けできる』ということですね。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
増分オブジェクト検出のための因果的特徴学習
(Learning Causal Features for Incremental Object Detection)
次の記事
一般化されたユーザー表現による転移学習
(Generalized User Representations for Transfer Learning)
関連記事
銀河の個別ピクセルから測る星形成史
(The Star Formation History of Galaxies Measured from Individual Pixels)
平均場制御問題を解くスコアベースニューラル常微分方程式
(Score-based Neural Ordinary Differential Equations for Computing Mean Field Control Problems)
長尾分布認識における重みバランスの探究
(Exploring Weight Balancing on Long-Tailed Recognition Problem)
脳腫瘍分類のための資源効率的CNNアーキテクチャの比較解析
(Comparative Analysis of Resource-Efficient CNN Architectures for Brain Tumor Classification)
効率的アンサンブルによるマルチモーダル句読点復元
(Efficient Ensemble for Multimodal Punctuation Restoration using Time-Delay Neural Network)
大規模言語モデルにおける出現的能力
(Emergent Abilities in Large Language Models)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む