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

原 崇徳 笹部 昌弘

In 電子情報通信学会技術研究報告（コミュニケーションクオリティ研究会）, 2026

Abstract

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．

Downloads

    Text Reference

    原 崇徳, 笹部 昌弘, 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, 電子情報通信学会技術研究報告（コミュニケーションクオリティ研究会）, July 2026.

    BibTex Reference

    @article{hara26cq,
    author = "原, 崇徳 and 笹部, 昌弘",
    title = "{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}",
    year = "2026",
    month = "July",
    journal = "電子情報通信学会技術研究報告（コミュニケーションクオリティ研究会）"
}