110 Arbeiten
Das Paper stellt PIRATE vor, einen passiven Ansatz zur Schätzung von Round-Trip-Latenzen unter asymmetrischem Routing allein durch die Analyse von Client-zu-Server-Datenverkehr, der es ermöglicht, Latenzen mit hoher Genauigkeit zu messen und durch Integration in einen Lastverteiler die Tail-Latenzen signifikant zu reduzieren.
Diese Arbeit stellt ein auf SeQUeNCe basierendes Simulationsframework vor, das heterogene Quantennetzwerke aus Ytterbium-Atomen und supraleitenden Qubits modelliert, um durch detaillierte Analyse von Raten-Fidelitäts-Kompromissen und systemimmanenten Engpässen fundierte Designentscheidungen zu ermöglichen.
Die Arbeit stellt Chimera vor, ein neuro-symbolisches Framework, das durch die Abbildung von Aufmerksamkeitsmechanismen und symbolischen Constraints auf programmierbare Dataplane-Primitive eine vertrauenswürdige und vorhersagbare Traffic-Analyse mit Linienrate auf handelsüblichen Switches ermöglicht.
Diese Studie analysiert die Resilienz der Bitcoin-Infrastruktur gegenüber Unterseekabelausfällen von 2014 bis 2025 und zeigt durch ein neu entwickeltes Multiplex-Modell, dass das Netzwerk trotz versteckter Abhängigkeiten robust bleibt und die TOR-Nutzung die Widerstandsfähigkeit gegen gezielte Angriffe sogar leicht erhöht.
Dieser Artikel stellt eine Architektur für dezentrale, peer-to-peer-Netzwerke autonomer KI-Agenten vor, die durch eine mehrstufige Verifizierungsstrategie und signierte Fähigkeitsdeskriptoren eine sichere und effiziente Zusammenarbeit zur Aufgabenteilung zwischen Endgeräten ermöglicht.
Die Studie zeigt, dass Conservative Q-Learning aufgrund seiner Robustheit gegenüber stochastischen Netzwerkdynamiken die bevorzugte Offline-Reinforcement-Learning-Methode für die KI-gesteuerte Steuerung zukünftiger drahtloser Netzwerke wie O-RAN und 6G ist, während sequenzbasierte Methoden bei ausreichenden hochwertigen Daten konkurrenzfähig bleiben.
Die vorgeschlagene Arbeit nutzt einen auf Constraint Deep Reinforcement Learning basierenden Ansatz, um in zukünftigen Netzen die Paketkosten bei gleichzeitiger Einhaltung strenger Latenzanforderungen für Echtzeitanwendungen zu minimieren.
Diese Studie demonstriert, dass Bayesianische Optimierung und genetische Algorithmen effektiv genutzt werden können, um die Orbitparameter von Satellitenkonstellationen für ein globales Quantennetzwerk zu optimieren und die Verschränkungsrate im Vergleich zu naiven Designs signifikant zu verbessern.
Diese Arbeit stellt ein einheitliches Rahmenwerk vor, um die Durchsatz-Treue-Trade-offs zwischen all-photoniischen und speicherbasierten Quantenschaltern zu analysieren, und zeigt, dass die optimale Architekturwahl vom spezifischen Hardware-Regime abhängt.
Diese Arbeit stellt Q2NS vor, einen auf ns-3 basierenden, modularen Quantennetzwerksimulator, der durch die nahtlose Integration von Quanten- und klassischen Protokollen sowie flexible Zustandsdarstellungen eine effiziente und skalierbare Evaluierung von Quanteninternet-Architekturen ermöglicht.