智能应用和计算与网络融合的最新进展推动了计算和网络融合系统的发展。然而，现有研究未能实现对计算和网络资源的全面调度优化，从而导致一些计算请求的要求无法在端到端服务模式中得到保证，对计算和网络融合系统的发展产生负面影响。本文提出了一种分布式协作路由框架，用于计算和网络融合系统，以确保截止日期要求并最小化请求的计算成本。该框架包括交易平面、管理平面、控制平面和转发平面。交叉平面协作端到端路由方案在制定路由计划时考虑了异构服务器的计算效率和网络拥塞程度，从而确定在哪里执行请求和对应的路由路径。仿真结果证实了我们的路由方案在计算和网络融合系统中调度计算请求的性能。

Feb, 2024

本文提出了一种基于数字孪生和元学习的网络规划方案来支持有状态应用程序，通过多层计算范例和不同组的资源预留，可以最小化计算、存储和通信资源的使用和重新配置资源预留的成本。

Oct, 2022

本文旨在从通信工程的角度出发，提供分布式量子计算生态系统的概述。通过逐层分析，我们解决了其中的主要挑战和潜在问题，并提出了一个路线图。

Feb, 2020

以 6G 为背景，本文介绍了可调节性计算 - 网络融合 (Adaptable CNC) 的概念，作为一个自主的机器学习辅助机制，用于联合编排计算和网络资源，以满足动态和庞大的用户请求。

Mar, 2024

使用可扩展的建模框架提出了数字孪生导向的复杂网络系统，以生成真实系统的网络。通过节点的特征和交互规则来创建连接，实验结果表明结构和动力学的复杂性水平影响网络增长和流行病传播，应针对具有优先特征的节点制定灾难恢复策略和流行病控制。

Aug, 2023

本文介绍了去中心化优化中最近的研究进展，并概述了针对不同场景的算法和分析，强调了网络拓扑在这些方法中的作用。

Sep, 2017

该论文聚焦于现实化由单个光子与原子的光学相互作用来实现量子联通的相关技术，提出了构建由许多节点和通道组成的量子网络所需的新的科学能力和基础理论。

Jun, 2008

本文研究了 5G 通信网络中通信、计算和缓存资源的联合优化，借助基于图形表示的学习方法以及创新的资源分配技术来实现将 3C 资源更靠近移动用户、实现低延迟、高可靠性服务的目标。

Feb, 2018

网络化计算能力是人工智能时代的重要工具。本文介绍了一种名为物理基础设施金融（PinFi）协议，旨在以分散化的方式促进网络内的计算能力分配。解决了去中心化物理基础设施网络（DePIN）中的协调、定价和流动性等核心挑战，PinFi 协议引入了独特的动态定价机制。它使供应商能够将多余的计算资源分配至一个 “耗散型” PinFi 流动性池，与传统的 DeFi 流动性池不同，确保客户能够以公平、市场导向的价格无缝访问。这种方法显著降低了访问计算能力的成本，可能相对现有服务减少到 1%，同时提高了安全性和可靠性。PinFi 协议有望改变计算能力网络的供给和需求动态，树立起新的效率和可访问性标准。

Mar, 2024

通过引导参与联邦学习的设备基于业务需求、资源负载、网络状况和设备的算术能力，计算和网络融合（CNC）可以提高联邦学习在复杂网络环境中的通信效率，并通过优化模型参数传输过程中的通信效率来解决复杂网络情况下的延迟分布和网络资源利用率的问题。

Nov, 2023