用于下一代网络中实时元宇宙任务网内放置的图神经网络
网络与互联网体系结构
2025-01-22 v2 分布式、并行与集群计算
摘要
本研究针对实时元宇宙应用的挑战，提出了一种面向下一代网络中时延受限计算任务的网内放置与任务卸载解决方案。元宇宙被视为一个平行的虚拟世界，需要在 diverse 应用中实现无缝的实时体验。本研究引入了一种基于软件定义网络（SDN）的架构，并利用图神经网络（GNN）技术，在网内计算（INC）中实现智能自适应的任务分配。考虑到时间约束和计算能力，所提出的模型能最优地决定是将渲染任务卸载到 INC 节点还是边缘服务器。大量实验表明，所提出的 GNN 模型性能优越，准确率达到 97%，而多层感知机（MLP）为 72%，决策树（DTs）为 70%。本研究填补了实时元宇宙应用网内放置的研究空白，为高效处理渲染任务提供了见解。
引用
@article{arxiv.2403.01780,
title = {Graph neural network for in-network placement of real-time metaverse tasks in next-generation network},
author = {Sulaiman Muhammad Rashid and Ibrahim Aliyu and Il-Kwon Jeong and Tai-Won Um and Jinsul Kim},
journal= {arXiv preprint arXiv:2403.01780},
year = {2025}
}