본 논문은 기존 분할 학습(Split Learning, SL) 방식의 한계점인 장치 이질성 및 채널 상태 변화에 따른 훈련 지연 및 에너지 소모 문제를 해결하기 위해 적응형 분할 학습(Adaptive Split Learning, ASL) 기법을 제안합니다. ASL은 무선 에지 네트워크에서 장치별 분할 지점을 동적으로 선택하고 서버의 컴퓨팅 자원을 할당하는 방식으로, 평균 훈련 지연 시간을 최소화하도록 설계되었습니다. 장기 에너지 소모 제약 조건 하에서의 최적화 문제를 해결하기 위해 Lyapunov 이론을 활용한 OPEN이라는 온라인 알고리즘을 제안하며, 이는 현재 정보만을 사용하는 새로운 MIP 문제로 분해하여 2단계 최적화 방법으로 해결합니다. 시뮬레이션 결과 기존 SL 방식 대비 평균 훈련 지연 시간을 53.7%, 에너지 소모를 22.1% 감소시키는 것을 보여줍니다.
