arXiv cs.AI· Kevin Liang, Litao Qiao, Isaac Keslassy, Bill Lin·· 3 天前AI 评分23
Spectra：面向 AI 训练的并行光交换机调度算法
Scheduling Parallel Optical Circuit Switches for AI Training
AI 导读
Spectra 是一种在存在重配置延迟 δ 时，将单个 AI 流量需求矩阵 D 调度到 s 台并行 OCS 上以最小化 makespan 的算法，采用“分解为加权置换—负载感知分配—受控置换拆分均衡负载”三步流程。
正文 · AI 翻译
摘要：AI 训练的快速增长大幅提升了数据中心流量需求和能耗，这促使人们重新关注光路交换机（OCSes），将其视为面向 AI 网络的高带宽、高能效替代方案。部署多个并行 OCSes 是一种主流替代方案。然而，在具有不可忽略的重配置延迟的情况下，跨并行光交换机高效调度时变流量矩阵仍是一个未解决的挑战。
我们考虑在重配置延迟 $\delta$ 下，将单个 AI 流量需求矩阵 $D$ 调度到 $s$ 个并行 OCSes 上并最小化完工时间的问题。我们的算法 Spectra 依赖三步方法：将 $D$ 分解为一组最小的加权置换；使用负载感知分配将这些置换调度到并行交换机上；然后通过受控置换拆分来均衡交换机上不平衡的负载。在真实 AI 训练工作负载（GPT 模型和 Qwen MoE 专家路由）以及标准基准上评估时，Spectra 大幅优于基于最先进算法的基线，在 GPT AI 工作负载上平均将调度完工时间减少 $1.4\times$，在 MoE AI 工作负载上减少 $2.7\times$，在标准基准上减少 $2.4\times$。此外，Spectra 实现的完工时间始终接近新推导出的下界。
| 评论： | 已被 IEEE/Optica Journal of Lightwave Technology 接收 |
| 主题： | 网络与互联网架构（cs.NI）；人工智能（cs.AI） |
| 引用为： | arXiv:2603.07373 [cs.NI] |
| （或 arXiv:2603.07373v2 [cs.NI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.07373 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Isaac Keslassy [查看电子邮件]
[v1]
2026年3月7日星期六 22:57:12 UTC（2,219 KB）
[v2]
2026年10月9日星期五 20:57:00 UTC（2,824 KB）
来源：arXiv cs.AI · arxiv.org