엣지, 클라우드, 우주 장치를 통합한 3D 연속체 환경에서 연합 학습 시스템의 클라이언트 선택 문제에 대한 연구. 기존의 지속적인 모니터링과 과거 데이터 수집 방식의 비효율성을 지적하고, GPU 가속 환경을 고려하지 않는 한계를 극복하기 위해, 본 논문은 분석적 모델링과 확률적 예측을 활용하여 GPU 가속 장치에서 클라이언트를 선택하는 ProbSelect를 제안한다. ProbSelect는 사용자 정의 SLO(Service Level Objectives) 내에서 클라이언트 선택을 모델링하며, 다양한 GPU 아키텍처 및 워크로드에 대한 광범위한 평가를 통해 기존 방식 대비 SLO 준수율을 평균 13.77% 향상시키고, 계산 낭비를 72.5% 감소시킴을 입증했다.
