本次讲座围绕大规模AI 训练中的 reduce-scatter 集体通信已成为系统瓶颈，而基于MEMS的光电路交换使通信调度与网络拓扑和端口容量配置高度耦合。本文提出一个联合优化通信调度与容量配置的MILP框架，将reduce-scatter建模为多阶段并行的规约操作，并通过峰值容量缺口刻画拥塞。数值结果显示该模型在小规模下可高效求解，但在大规模场景中面临可扩展性挑战，进而引出基于列生成的改进方向。