分布式AI工作流与URLLC之间的相互作用
网络与互联网体系结构
2022-08-03 v1 信号处理
摘要
分布式人工智能（AI）最近在各种通信服务中取得了巨大突破，从容错工厂自动化到智慧城市。当分布式学习在一组无线连接设备上运行时，随机信道波动以及在同一网络上同时运行的现有服务会影响分布式学习的性能。在本文中，我们研究了在网络上并发运行的分布式AI工作流与超可靠低时延通信（URLLC）服务之间的相互作用。通过在工厂自动化用例中使用符合3GPP的仿真，我们展示了各种分布式AI设置（例如，模型大小和参与设备数量）对分布式AI收敛时间和URLLC应用层性能的影响。除非我们利用现有的5G-NR服务质量处理机制来分离两种服务的流量，否则我们的仿真结果表明分布式AI对URLLC设备的可用性影响显著。此外，通过适当设置分布式AI（例如，适当的用户选择），我们可以大幅降低网络资源利用率，从而为分布式AI带来更低时延，并为URLLC用户带来更高可用性。我们的结果为未来6G和AI标准化提供了重要见解。
引用
@article{arxiv.2208.01352,
title = {Interplay between Distributed AI Workflow and URLLC},
author = {Milad Ganjalizadeh and Hossein S. Ghadikolaei and Johan Haraldson and Marina Petrova},
journal= {arXiv preprint arXiv:2208.01352},
year = {2022}
}
备注
Accepted in 2022 IEEE Global Communications Conference (GLOBECOM)