Data centers require high-performance network equipment that consume low power and support high bandwidth requirements. In this context, a combinatorial approach was proposed to design data center network (DCN) equipment from a library of components in \cite{infocom}. This library includes power splitter, wavelength multiplexers, reconfigurable add-drop multiplexers and optical amplifiers. When interconnecting optical components, it must be ensured that the resultant network supports specified target bit-error-rates (typically, at most $10^{-12}$). This paper reports experiment conducted on component interconnections and their computed bit-error-rates. From the experimental analysis, it was observed that the desired objective can be decided by considering a zeroth-order threshold for optical power at the receiver and before the amplifier. This paves way for the theoretical evaluation of several other such designs using this empirically derived model.


翻译:数据中心需要高性能网络设备,这些设备消耗低功率,支持高带宽要求。 在这方面,提议从\ cite{infocom} 的部件库中设计数据中心网络设备(DCN) 。 该图书馆包括电源分割器、波长多轴器、可重新配置的增投多轴器和光放大器。 当连接光学部件时,必须确保由此形成的网络支持特定的目标比特拉速率(通常为10美元,最多为10美元) 。 本文报告了对组件互联及其计算比特拉速率进行的实验。 从实验分析中发现,理想目标可以通过考虑在接收器和放大器前对光电进行零级阈值来决定。 这为利用这一实验性衍生模型对其他一些设计进行理论评估铺平了道路。

0
下载
关闭预览

相关内容

知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
【干货书】真实机器学习,264页pdf,Real-World Machine Learning
专知会员服务
60+阅读 · 2020年3月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
4+阅读 · 2018年2月19日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员