光ネットワークの効率向上に大きく貢献するマシンラーニング

March, 1, 2019, San Diego--マシンラーニング(ML)を利用する新しい研究が光通信ネットワークの効率を高める。世界は、ますます相互接続されるようになっているので、光ケーブルは従来の銅線と比較して長距離で、より多くのデータを伝送する能力を提供する。データを光ケーブルに詰め込むソリューションとしてOTNsが登場してきており、改善によってさらにコスト効果が高くなっている。
　バルセロナのUniversitat Politècnica de Catalunyaと通信装置メーカー、Huaweiは、人工知能(AI)技術を一新してOTNs(Optical Transport Networks)運用をより効率的にした｡研究成果は､OFCで発表される｡
　OTNsには､管理する大量のトラフィックの分配法にルールを必要としており､瞬時に判断するルールの作成は非常に複雑になる｡ネットワヘクが音声電話に必要とされるよりも多くのスペースを与えて､例えば､未使用のスペースを､ビデオを流すエンドユーザが利用して､確実に｢静的バッファリング｣メッセージとならないようにする方が良い｡
　OTNsが必要とすることは､トラフィックガードである｡
　この問題に対する研究チームのアプローチは､2つのマシンラーニング技術の組み合わせである｡第1は､強化学習と言われるもので､仮想｢エージェント｣を作成する｡これは試行錯誤でシステムの詳細を学習し､リソースの管理法を最適化する｡第2は､いわゆるディープラーニング(DL)で､人の脳からヒントを得たコンピュータ学習システム､つまり神経網を利用することで強化ベースのアプローチに高度な知識層を余分に追加する｡これにより､試行錯誤の各回からより抽象的な結論を引き出すことができる｡
　｢ディープ強化学習は､多くの分野に適用して成功を収めている｡とは言え､コンピュータネットワークへの提供はごく最近のことである｡われわれの論文が､ネットワーキングにおけるディープ強化学習のスタートに寄与し､他の研究者が別の､もっと優れたアプローチを提案することを期待している｣とAlbert Cabellos-Aparicioはコメントしている｡
　これまで､最も進んだディープ強化学習アルゴリズムは､OTNsである程度のリソース配分をすることができたが､新しいシナリオに入り込むとスタックしていた｡研究チームは､これを克服するために､エージェントへのデータ提示の仕方を変えた｡
　5000回のシミュレーションによりOTNsを学習した後､ディープ強化学習エージェントは､現在の最先端のアルゴリズムよりも30%高い効率でトラフィックを方向付けることができた｡
　研究チームによると､白紙状態からネットワークについて学習する新しい学習は極めて簡単である｡｢つまり､予備知識なしで､ディープ強化学習エージェントは､ネットワークの自動最適化法を学習することができる｡これは､専門家のアルゴリズムを上回る最適化戦略となる｣とCabellos-Aparicioはコメントしている｡
　次のステップは､ディープ強化戦略とグラフネットワークとの組み合わせを計画している｡グラフネットワークは､コンピュータネットワーク､化学やロジスティクスなど､科学や産業分野を変革する潜在力を持つAIの新しい分野である｡