# Kernel-Level Energy-Efficient Neural Architecture Search for Tabular Dataset

### 저자

Hoang-Loc La, Phuong Hoai Ha

### 개요

본 논문은 신경망의 에너지 소비를 최소화하는 에너지 효율적인 신경망 구조 탐색(NAS) 방법을 제시합니다. 기존 연구들이 메모리 사용량, FLOPs, 추론 지연 시간과 같은 대리 지표를 사용하여 에너지 소비량을 추정하는 것과 달리, 본 논문은 정확도를 유지하면서 에너지 소비량을 직접 최소화하는 구조를 찾는 데 초점을 맞춥니다. 특히 기존 연구들이 주로 비전 및 언어 작업에 집중한 것과 달리, 본 논문은 표 형식 데이터셋에 특화된 방법을 제안하며, 제안된 방법에 의해 도출된 최적 구조는 기존 NAS 방법이 제안하는 구조에 비해 최대 92%의 에너지 소비 감소 효과를 보입니다.

### 시사점, 한계점

- **시사점:**

    - 에너지 소비를 직접 최적화하는 NAS 방법을 제시하여 에너지 효율적인 신경망 설계 가능성을 보여줌.

    - 표 형식 데이터셋에 특화된 에너지 효율적인 NAS 방법을 제안하여 기존 연구의 한계를 극복.

    - 기존 NAS 방법 대비 최대 92%의 에너지 소비 감소 효과를 달성하여 에너지 효율적인 머신러닝 시스템 구축에 기여.

- **한계점:**

    - 제안된 방법의 일반화 성능 및 다양한 데이터셋에 대한 적용 가능성에 대한 추가 연구 필요.

    - 에너지 소비 측정 방법 및 환경에 대한 자세한 설명 부족.

    - 특정 하드웨어 플랫폼에 최적화된 결과일 가능성 존재, 다른 플랫폼으로의 일반화 가능성 검증 필요.

[PDF 보기](https://arxiv.org/pdf/2504.08359)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).