본 논문은 시계열 분류에서 트랜스포머 모델의 증가하는 계산 요구량을 해결하기 위해 에너지 효율적인 배포를 위한 최적화 전략을 체계적으로 조사합니다. 구조적 가지치기와 양자화 방법에 중점을 두고 트랜스포머 아키텍처에 대한 다양한 최적화 기법을 실험적으로 평가합니다. RefrigerationDevices, ElectricDevices, PLAID 세 가지 데이터셋을 사용하여 모델 성능과 에너지 효율을 정량적으로 평가한 결과, 정적 양자화는 에너지 소비량을 29.14% 감소시키면서 분류 성능을 유지하고, L1 가지치기는 정확도 저하를 최소화하면서 추론 속도를 63% 향상시키는 것을 보여줍니다. 이 연구는 자원 제약 환경에서 효율적인 모델 배포를 위한 기반을 마련합니다.
