RouteNet-Gauss es una novedosa metodología de simulación de redes que integra una red de banco de pruebas y un modelo de aprendizaje automático (ML) para superar las limitaciones de coste computacional y precisión de los métodos convencionales de simulación de eventos discretos (DES). Al aprovechar el banco de pruebas como acelerador de hardware, genera rápidamente un conjunto de datos de entrenamiento de alta calidad y simula escenarios de red que se asemejan a entornos reales. Los resultados experimentales demuestran que RouteNet-Gauss reduce los errores de predicción hasta en un 95 % y los tiempos de inferencia en 488 veces, en comparación con los métodos de vanguardia basados en DES. Su arquitectura modular configura dinámicamente el modelo en función de características como la topología de la red y el enrutamiento, lo que permite la comprensión y la generalización en diversas configuraciones de red, incluyendo redes con un tamaño hasta 10 veces superior al de los datos de entrenamiento. Además, es compatible con la Estimación Temporal Agregada del Rendimiento (TAPE), lo que proporciona una granularidad temporal configurable y mantiene una alta precisión en las métricas de rendimiento del flujo.
