集合通信（CC）は大規模分散機械学習（DML）のトレーニングワークロードに広く採用されています。DMLの予測可能なトラフィックパターンは、光ネットワーク技術を適用する大きな機会を提供します。従来のCCスキームは「一括ネットワーク再構成」を採用し、静的な高容量トポロジーを全体の操作に対して確保しますが、これは現代のワークロードに必要な複雑で効率的なCCアルゴリズムを支える際にスケーラビリティの限界に直面します。そこで、著者らはSWOTという需要対応型の光ネットワークフレームワークを提案します。SWOTは「内部集合再構成」を行い、ネットワークリソースをCCトラフィックパターンに動的に適合させます。このフレームワークは、光スイッチの再構成と同時に伝送を行う新しいスケジューリング技術を取り入れ、通信効率を改善します。シミュレーション結果はSWOTのパフォーマンス向上を示しています。