Архитектуры программно-определяемых сетей (SDN) могут значительно повысить пропускную способность и уменьшить задержку связи. В данном исследовании был разработан когнитивный агент на основе Q-обучения на базе Intel Loihi для приложений SDN. Мы используем непрерывное обучение для выбора оптимального маршрута в постоянно меняющихся сетевых средах. Агент на основе Loihi смог направлять пакеты по наиболее оптимальному пути в 90% случаев при постоянно меняющейся задержке сетевого соединения. В связи с ограничениями по мощности системы была разработана упрощённая версия агента для запуска в космос на борту CubeSat. CubeSat был запущен в январе 2022 года, и разработанные приложения успешно работали в космосе. Это первый запуск нейроморфной системы, выполняющей операции SDN, в космос.
*Перевод выполнен с помощью нейросетей
Neuromorphic Hardware in Outer Space: Software Defined Networking Executed on an In-Orbit Loihi Spiking Processor
Software-defined networking (SDN) architectures can significantly improve communications throughput and latency. This study developed a Q-learning based cognitive agent on the Intel Loihi for SDN applications. We utilize continuous learning to enable optimal route selection in continuously changing networking environments. The Loihi based agent was able to route packets to the most optimal path 90% of the time with continuously changing network link latency. Due to system power constraints, a simplified version of the agent was then developed for launch into space aboard a CubeSat. The CubeSat was launched in January 2022 and the applications developed ran successfully in space. This is the first launch of a neuromorphic system performing SDN operation into space.