본 논문은 분산 학습의 한 방법인 분할 학습(Split Learning, SL)에서 최적의 모델 분할을 효율적으로 찾는 알고리즘을 제안합니다. 임의의 AI 모델을 DAG(Directed Acyclic Graph)로 표현하고, 최적의 모델 분할 문제를 최소 s-t 컷 문제로 재구성합니다. 제안하는 DAG 기반 알고리즘은 DAG를 재구성하여 최대 유량 방법을 통해 최적의 모델 분할을 찾습니다. 이론적 분석을 통해 알고리즘의 최적성을 증명하고, 블록 구조를 갖는 AI 모델을 위한 블록 단위 분할 알고리즘도 제시하여 계산 복잡도를 줄입니다. 실험 결과, 제안된 알고리즘은 최적의 모델 분할을 밀리초 단위로 찾고, 최첨단 기법과 비교하여 동적 에지 네트워크에서 훈련 지연을 24.62%-38.95% 감소시키는 것을 보여줍니다.
