面向智能科学的层级服务器架构
文章背景与核心概要
本文介绍了一种分层的动态服务器架构及软件系统，旨在实现跨多样化云端、边缘端和高性能计算（HPC）环境的计算资源自动化发现、协商与选择。该系统为支持“创世纪使命”（Genesis Mission）及智能科学范式而开发，利用秘书代理（secretary agents）在 51 个真实与模拟提供商之间进行探测和协调。
通过大规模模拟实验，作者证明了该系统具有极高的协商准确率（87.71%），且选择成本与传统策略相当。这凸显了在自动化科学工作流中，建立健壮的基础设施协调机制的关键作用。
文档元数据 (Document Metadata)
- arXiv ID: arXiv:2608.05332
- 主要分类: 分布式、并行与集群计算 (
cs.DC) - 次要分类: 人工智能 (
cs.AI) - 作者: Vanessa Sochat, Daniel Milroy
- 提交时间: 2026年8月5日
- 许可协议: 知识共享署名 4.0
- arXiv ID: arXiv:2608.05332
- Primary Subject: Distributed, Parallel, and Cluster Computing (
cs.DC)- Secondary Subjects: Artificial Intelligence (
cs.AI)- Authors: Vanessa Sochat, Daniel Milroy
- Submitted On: August 5, 2026
- License: Creative Commons Attribution 4.0
摘要 (Abstract)
智能科学正在改变计算工作的前景，并延伸至科学管线和工作负载管理器。这些工作负载需要在机构内部及跨机构使用专用硬件。如果在调度时需要评估工作负载对环境的需求，那么资源的自动化发现便是必不可少的一步。在本文中，我们提出了一种分层的动态架构与软件，用于在各类云、边缘和 HPC 系统中发现资源。该设计利用秘书代理，能够对工作请求进行并发、异步的协商、选择和分派。这些代理在 7 个类别的 51 个真实及模拟提供商中进行探测与发现。我们执行了 19,973 次协商模拟和 6,952 次选择模拟来评估决策的可靠性，结果显示其具有很高（87.71%）的协商准确率，且选择成本与传统策略相当。该架构具有高度可扩展性，目前正支持着“创世纪使命”，它充分展示了智能科学中代理、发现工具与基础设施之间进行精密协调的重要意义。
Agentic science is transforming the landscape of computational work, extending to scientific pipelines and workload managers. The workloads require specialized hardware within and across institutions. If assessing workload needs against environments is required for scheduling, automated discovery of resources is an essential step. In this paper, we present a hierarchical, dynamic architecture and software to discover resources across diverse cloud, edge, and HPC systems. The design enables concurrent, asynchronous negotiation, selection, and dispatch of requests for work using secretary agents. The agents probe and discover 51 real and simulated providers across 7 categories. We perform 19,973 negotiation and 6,952 selection simulations to assess reliability of decisions, demonstrating high (87.71%) negotiation accuracy and selection costs comparable to more traditional strategies. Designed for extensibility and currently supporting the Genesis Mission, this architecture exemplifies the importance of careful coordination between agents, discovery tools, and infrastructure for agentic science.