摘要 —本文考虑了量子密钥分发 (QKD) 网络中以最大可实现速率进行安全数据包路由的问题。假设 QKD 协议为多跳网络中每条链路上的安全通信生成对称私钥。量子密钥生成过程受噪声影响,假设由随机计数过程建模。首先使用每跳可用的量子密钥对数据包进行加密,然后通过通信链路以点对点方式传输。在这种情况下出现的一个基本问题是设计一种安全且容量可实现的路由策略,该策略考虑到加密量子密钥的可用性随时间变化以及传输的有限链路容量。在本文中,通过将 QKD 协议与通用最大权重 (UMW) 路由策略 [1]–[3] 相结合,我们设计了一种新的安全吞吐量最优路由策略,称为串联队列分解 (TQD)。 TQD 有效地解决了多种流量(包括单播、广播和多播)的安全路由问题。本文的主要贡献之一是表明该问题可以简化为转换网络上的通常的广义网络流问题,而不受密钥可用性约束。模拟结果表明,与最先进的路由和密钥管理策略相比,所提出的策略产生的延迟要小得多。所提出的策略的吞吐量最优性的证明利用了 Lyapunov 稳定性理论以及对密钥存储动态的仔细处理。索引术语 — 量子密钥分发、吞吐量最优路由、网络算法。
使用现场可编程门阵列 (FPGA) 实现可重构硬件加速器以进行脉冲神经网络 (SNN) 模拟是一项有前途且有吸引力的研究,因为大规模并行性可以提高执行速度。对于大规模 SNN 模拟,需要大量 FPGA。然而,FPGA 间通信瓶颈会导致拥塞、数据丢失和延迟效率低下。在这项工作中,我们为多 FPGA 采用了基于树的分层互连架构。这种架构是可扩展的,因为可以将新分支添加到树中,从而保持恒定的本地带宽。基于树的方法与线性片上网络 (NoC) 形成对比,在片上网络 (NoC) 中,拥塞可能由众多连接引起。我们提出了一种路由架构,该架构通过采用随机仲裁引入仲裁器机制,考虑先进先出 (FIFO) 缓冲区的数据级队列。该机制有效地减少了由 FIFO 拥塞引起的瓶颈,从而改善了整体延迟。结果显示了为延迟性能分析而收集的测量数据。我们将使用我们提出的随机路由方案的设计性能与传统的循环架构进行了比较。结果表明,与循环仲裁器相比,随机仲裁器实现了更低的最坏情况延迟和更高的整体性能。
秘书处感谢外部专家 Sara Alamin 以及来自技术界和业界的几位专家为报告做出的贡献。他们包括:Amy Alvarez,AT&T;Stewart Bamford,Lumen Technologies, Inc. 首席架构师;Einar Bohlin;Chris Boyer,AT&T;Randy Bush,Internet Initiative Japan 研究员、Arrcus Inc. 技术人员;Kathryn Condello,Lumen Technologies, Inc. 国家安全高级总监;David Conrad,ICANN;Alberto Dainotti,佐治亚理工学院;Alain Durand,ICANN;Patrik Fältström,Netnod;Laurent Ferrali,ICANN;Marco Hogewoning;Geoff Huston,APNIC;Anne-Rachel Inne;Olaf Kolkman,互联网协会;Alexander Lyamin,Qrator Labs;Doug Madory,Kentik 互联网分析总监;Jason Olson,AT&T;Elena Plexida,ICANN; Andrei Robachevsky,互联网协会;Nicola Rustignoli,苏黎世联邦理工学院;Chelsea J. Smethurst,微软;Job Snijders,Fastly 首席工程师兼 OpenBSD 开发人员;Mark Svancarek,微软;Cecilia Testart,佐治亚理工学院;Martin Thygesen,思科系统公司;Andree Toonk,MySocket.io。
思科和思科徽标是Cisco和/或其在美国和其他国家的商标和/或其分支机构的商标或注册商标。要查看Cisco商标列表,请转到此URL:https://www.cisco.com/c/en/us/about/legal/legal/trademarks.html。提到的第三方商标是其各自所有者的财产。使用该词合作伙伴一词并不意味着思科与任何其他公司之间的伙伴关系。(1721r)
摘要我们提出了一个新颖的端到端框架,用于使用加固学习(RL)解决随机需求(VRPSD)解决车辆路由问题。我们的公式通过其他可观察到的随机变量结合了随机需求之间的相关性,从而提供了一个实验性证明,以证明non-i.i.i.d。随机需求为改进路由解决方案提供了机会。我们的方法弥合了RL应用于VRPSD的差距,并包括使用策略梯度算法优化的参数化随机策略,以生成形成解决方案的一系列操作。我们的模型表现优于先前的最先进的元启发式学,并证明了环境变化的鲁棒性,例如供应类型,车辆容量,相关性和需求的噪声水平。此外,通过观察奖励信号并遵循可行性约束,可以轻松地为不同的VRPSD场景重新训练该模型,从而使其高度灵活且可扩展。这些发现突出了RL提高运输效率并减轻其在随机路由问题中的环境影响的潜力。我们的实施可在线获得。a
在国家空域系统的飞行操作中,机组人员经常使用语音通信向空中交通管制 (ATC) 请求轨迹变更,以便以更优化的轨迹更好地实现运营商的首选业务目标。NASA 开发的交通感知战略机组请求 (TASAR) 概念显著增强了这一程序,它为机组人员提供了驾驶舱中的自动化功能,可以不断扫描并推荐节省燃料和时间的轨迹优化。这些建议基于有关飞机和动态操作环境的广泛信息,从而使请求更加“智能”。为了促进越来越复杂的请求,使其与最佳轨迹更加紧密地保持一致,并减少机组人员和管制员通过无线电提交和审查轨迹修改请求的工作量,拟议的数字 TASAR 概念利用新兴的数据通信基础设施和相关自动化,允许及时有效地提出数字请求。本报告描述了数字 TASAR 操作概念、支持技术以及为飞机操作员和空中交通管制员配备该功能的潜在好处。
摘要 量子网络通过执行纠缠分布促进了许多应用,包括安全通信和分布式量子计算。对于某些多用户量子应用程序,需要访问共享的多部分状态。我们考虑设计以更快的速率分发此类状态的协议的问题。为此,我们提出了三种利用多路径路由来提高多用户应用程序分发速率的协议。这些协议在具有 NISQ 约束的量子网络上进行评估,包括有限的量子存储器和概率纠缠生成。模拟结果表明,与单路径路由技术相比,开发的协议实现了多部分状态分发速率的指数级增长,在研究的案例中最大增长了四个数量级。此外,对于较大的用户集,分发速率的相对增加也被发现有所改善。当在缩小的真实世界拓扑中测试协议时,发现拓扑对协议实现的多部分状态分发速率有显著影响。最后,我们发现多路径路由的好处在较短的量子存储器退相干时间和中间的纠缠生成概率值时最大。因此,所开发的协议可以有益于 NISQ 量子网络控制和设计。
摘要 - 许多多机器人的部署,例如建筑物的自动构造,分布式搜索或合作映射,通常要求代理人智能协调其轨迹并在大型域上组建联盟,以尽快完成空间分布的任务。我们专注于涉及同质机器人的方案,但是任务在启动它们所需的代理数量中有所不同。例如,施工机器人可能需要在不同位置(例如,预制房间,材料/设备的板条箱)进行协作的重型物体,其中每个有效载荷的重量定义了所需的联盟尺寸。为了平衡代理商的总旅行时间及其等待时间(在任务启动之前),代理需要仔细测序任务,但也需要动态形成/解散联盟。虽然可以使用启发式或优化解决更简单的问题,但这些方法在涉及大型任务与代理比率的更复杂的实例中遇到了困难,需要频繁的联盟改变。在这项工作中,我们建议让代理商通过在强化学习框架中提出问题来迭代地构建合作计划以解决此类问题。我们的方法依赖于基于注意力的神经网络,使代理可以对系统的当前状态进行推理,以对优化短期联盟形成和长期任务计划进行优化的运动决策进行测序。我们进一步提出了一种新颖的追随者技术,以提高合作学习,并将我们的表现与各种情况下的传统基线进行比较。在那里,我们的方法与基准密切匹配或优于基准;特别是,在需要频繁的联盟更新的情况下,它产生了更高质量的解决方案,至少要比精确求解器快2个数量级。
量子飞行自组织网络 (Q-FANET) 提供了一种独特的通信范式,利用量子原理实现安全高效的数据传输。然而,由于动态拓扑变化和有限的通信资源,Q-FANET 中的路由带来了重大挑战。本文提出了一种利用 Mamdani 模糊推理增强型 Dijkstra 算法 (MFI-EDA) 的新型路由方法,该方法专为 Q-FANET 环境量身定制。MFI-EDA 的工作机制涉及将模糊逻辑与 Dijkstra 算法相结合,以根据环境条件(例如节点移动性和能量水平)和网络动态(例如链路质量和流量拥塞)智能地调整路由决策。这种混合方法通过结合模糊逻辑来增强传统路由算法,从而为 Q-FANET 提供稳健性和适应性。其主要贡献在于模糊推理的无缝集成,这使 MFI-EDA 能够根据实时环境反馈动态调整路由路径,从而提高能源效率和可靠性。通过大量模拟实验评估了 MFI-EDA 在 Q-FANET 场景中的性能,证明了其在实现节能和可靠路由方面的有效性。结果表明,MFI-EDA 优于传统路由方法,为量子自组织网络中的高效通信提供了良好的前景。关键词:量子网络、Q-FANET、Mamdani 模糊推理、Dijkstra 算法、路由 1. 引言
由于需要考虑大量变量和约束,优化用于多个空间碎片收集和多个在轨服务的卫星路线可能是一个非常复杂的问题。需要考虑的因素包括轨道上碎片和服务目标的位置和移动、卫星的能力以及卫星燃料和电力使用的限制等。此外,由于需要考虑多个目标,例如在最大化碎片收集或服务覆盖范围的同时最小化燃料使用量,问题可能会变得更加复杂。解决这个问题的经典方法包括启发式和元启发式方法,如遗传算法、粒子群优化、蚁群优化和混合整数规划。在本文中,我们计划实现基于量子退火的卫星路线优化算法。这是一种可用于优化卫星路线的量子计算方法。量子退火背后的原理是利用量子力学效应来找到函数的全局最小值。在卫星路由的背景下,该函数将表示卫星沿特定路线行进所需的成本或能量。卫星的路线将由函数中的变量表示,量子退火器将使用量子力学效应来搜索能量最低的路线,这将对应于卫星要采取的最佳路径。我们计划使用 Ising 模型来实现卫星路由的量子退火。它可以用来将成本函数表示为一组通过成对相互作用相互作用的二元变量。变量之间的相互作用将表示路由问题的不同约束和目标,例如燃料使用和碎片收集。目标是找到最小化成本函数的变量配置,这对应于最佳卫星路线。将生成一个完整的数学模型,并基于所提出的技术进行数值分析。