Scalable Structural Estimation of Networked Infrastructure: Exact Decomposition for Localized Coordination
网络化基础设施的可扩展结构估计：局部协调的精确分解AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究含局部网络互动的动态离散选择模型及其结构估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
网络化基础设施的可扩展结构估计：局部协调的精确分解
- 研究问题
- 在局部互动对决策重要、但高维动态规划难以求解的基础设施系统中，如何保留互动结构并实现可行的结构估计？
- 方法与思路
- 作者在固定群组、组内稀疏互动且状态转移仅依赖组内条件的模型中，将 Bellman 算子精确分解为独立的群组子问题。
- 材料陈述的贡献
- 摘要称，该分解保持原结构问题，并用于超级计算机节点更换决策；估计显示局部故障与近期更换活动影响更换激励和预测时点。
- 阅读关注点
- 应核对精确分解所需的群组、转移和收益结构，动态离散选择参数的识别，以及忽略互动时误优化成本的计算基准。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。分解依赖稳定局部群组限制，摘要未说明跨组互动时的适用性或完整估计步骤。
原文摘要
Interaction effects are often economically central in environments where structural dynamic estimation becomes computationally infeasible. Under fixed group membership and sparse within-group interaction structure, the Bellman operator admits a block-diagonal decomposition that allows high-dimensional dynamic programs to be solved through independent group-level subproblems while preserving the original structural problem exactly. The result applies to a class of dynamic discrete choice models in which interactions are confined within stable local groups and state transitions depend only on within-group conditions. We apply the framework to replacement decisions across 14,344 GPU node locations in the Titan supercomputer, where operating environments differ systematically across cage positions. The structural estimates reveal significant spatial coordination: both neighboring failures and recent local replacement activity increase replacement incentives. Accounting for these interaction effects materially shifts predicted replacement timing and reveals significant misoptimization costs in benchmarks that assume conditional independence. More broadly, the results show how exploiting sparsity in interaction structures can make fully structural estimation feasible in large-scale networked systems without relying on simulation-based auxiliary moments or numerical approximation.