| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-07-21 16:05 サービスチェイニングを用いたマルチホップ分割推論・学習の遅延最小化 ～ 整数線形計画による定式化 ～ ○原 崇徳（奈良先端大）・笹部昌弘（関西大）  CQ2026-18 |
|
| 抄録 | （和） | サービスチェイニング(Service Function Chaining: SFC) は，サービス要件や資源制約の下で，トラヒック が特定の順序でネットワーク機能を経由可能なサービスパスを確立する．マルチホップ分割推論・学習(Multi-hop Split Inference/Learning: MSI/MSL) は，AI モデルを複数の独立した部分モデルに分割・配置し，Smashed data と呼ばれる処理済みデータをネットワークを介して複数の部分モデル間でルーチングする分散型AI である．これまでに，SFC とMSI/MSL の類似性に着目し，部分モデルをネットワーク機能として扱い，それらの連結をサービスチェインで構成されたAI モデルとして実現することで，SFC とMSI/MSL を統合したSFC-based MSI/MSL を実現している．本稿では，MSI/MSL の遅延最小化を整数線形計画問題として定式化する．この問題は，(1) 最適な分割点の選択，(2) 適切な計算ノードへの部分モデルの展開，(3) サービス要件を満たすネットワーク上でのSmashed data のルーチングの3点を同時に決定する．数値実験より，バッチサイズとモデル分割数に対する提案方式の有効性を推論・学習遅延の観点から分析・評価する． |
| （英） | Service Function Chaining (SFC) establishes service paths that ensure traffic traverses a specified sequence of network functions in order while meeting service requirements and resource constraints. Multi-hop Split Inference/Learning (MSI/MSL) is a distributed AI paradigm where an AI model is exclusively partitioned into multiple sub-models and deployed across a network. Intermediate processed data, known as smashed data, are forwarded among these sub-models. Focusing on the similarity between SFC and MSI/MSL, we have proposed SFC-based MSI/MSL, an integration of SFC with MSI/MSL, by treating split sub-models as network functions and representing their sequence as a service chain. In this paper, we formulate an integer linear programming (ILP) problem to minimize the latency of MSI/MSL based on SFC. The ILP simultaneously determines (1) optimal partitioning points, (2) placement of sub-models on appropriate computing nodes, and (3) routing of smashed data over the communication network while satisfying service requirements. Through numerical experiments, we analyze and evaluate the effectiveness of the proposed scheme in terms of inference and training latency, focusing on the effects of batch size and the number of model partitions. | |
| キーワード | （和） | サービスチェイニング(SFC) / マルチホップ分割推論・学習(MSI/MSL) / 整数線形計画 / / / / / |
| （英） | Service Function Chaining (SFC) / Multi-hop Split Learning/Inference (MSI/MSL) / Integer Linear Programming / / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 121, CQ2026-18, pp. 43-48, 2026年7月. | |
| 資料番号 | CQ2026-18 | |
| 発行日 | 2026-07-14 (CQ) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | CQ2026-18 |
|
| 研究会情報 | |
| 研究会 | CQ |
| 開催期間 | 2026-07-21 - 2026-07-23 |
| 開催地（和） | イーフ情報プラザ |
| 開催地（英） | Eef Jouhou Plaza |
| テーマ（和） | ネットワーク性能、仮想空間/メタバース、グラフ解析、ゲーム理論、機械学習、インタラクション、ソーシャルメディア、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | CQ |
| 会議コード | 2026-07-CQ |
| 本文の言語 | 日本語 |
| タイトル（和） | サービスチェイニングを用いたマルチホップ分割推論・学習の遅延最小化 |
| サブタイトル（和） | 整数線形計画による定式化 |
| タイトル（英） | Minimizing Latency of Multi-hop Split Inference/Learning Based on Service Function Chaining |
| サブタイトル（英） | Integer Linear Programming Formulation |
| キーワード(1)（和/英） | サービスチェイニング(SFC) / Service Function Chaining (SFC) |
| キーワード(2)（和/英） | マルチホップ分割推論・学習(MSI/MSL) / Multi-hop Split Learning/Inference (MSI/MSL) |
| キーワード(3)（和/英） | 整数線形計画 / Integer Linear Programming |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 原 崇徳 / Takanori Hara / ハラ タカノリ |
| 第1著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 第2著者 氏名（和/英/ヨミ） | 笹部 昌弘 / Masahiro Sasabe / ササベ マサヒロ |
| 第2著者 所属（和/英） | 関西大学 (略称： 関西大) Kansai University (略称： Kansai Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-07-21 16:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | CQ |
| 資料番号 | CQ2026-18 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.121 |
| ページ範囲 | pp.43-48 |
| ページ数 | 6 |
| 発行日 | 2026-07-14 (CQ) |
[研究会発表申込システムのトップページに戻る]