Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey
Created by
Haebom
저자
Jing Liu, Yao Du, Kun Yang, Jiaqi Wu, Yan Wang, Xiping Hu, Zehua Wang, Yang Liu, Peng Sun, Azzedine Boukerche, Victor C. M. Leung
개요
본 논문은 엣지-클라우드 협업 컴퓨팅(ECCC)에서 분산 지능과 모델 최적화의 교차점을 종합적으로 조사한 설문 조사 논문입니다. 엣지 디바이스와 클라우드 리소스를 통합하여 효율적이고 지연 시간이 짧은 처리를 가능하게 하는 ECCC는 현대 지능형 애플리케이션의 컴퓨팅 요구 사항을 해결하기 위한 중요한 패러다임으로 부상했습니다. 본 논문에서는 기본 아키텍처, 가능 기술 및 새로운 애플리케이션에 대한 구조화된 튜토리얼을 제공하고, 모델 압축, 적응 및 신경망 아키텍처 탐색과 같은 모델 최적화 방법과 성능, 에너지 효율 및 지연 시간 요구 사항을 균형 있게 맞추는 AI 기반 리소스 관리 전략을 체계적으로 분석합니다. 또한 ECCC 시스템 내에서의 개인 정보 보호 및 보안 강화의 중요한 측면을 탐구하고 자율 주행, 의료 및 산업 자동화를 포함한 다양한 애플리케이션을 통해 실제 배포를 조사합니다. 성능 분석 및 벤치마킹 기술도 철저히 탐구하여 이러한 복잡한 시스템에 대한 평가 표준을 설정합니다. 마지막으로 LLM 배포, 6G 통합, 뉴로모픽 컴퓨팅 및 양자 컴퓨팅을 포함한 중요한 연구 방향을 제시하여 이질성 관리, 실시간 처리 및 확장성의 지속적인 과제를 해결하기 위한 로드맵을 제공합니다.
시사점, 한계점
•
시사점:
◦
ECCC 시스템에서 분산 지능과 모델 최적화의 최신 동향을 포괄적으로 제시합니다.
◦
모델 최적화 기법, AI 기반 리소스 관리 전략, 개인 정보 보호 및 보안 강화 방안 등을 체계적으로 분석합니다.
◦
다양한 애플리케이션을 통한 실제 배포 사례와 성능 분석 및 벤치마킹 기술을 제시합니다.
◦
LLM 배포, 6G 통합, 뉴로모픽 컴퓨팅 및 양자 컴퓨팅과 같은 미래 연구 방향을 제시합니다.
•
한계점:
◦
논문이 설문 조사 형태이기 때문에, 새로운 연구 결과보다는 기존 연구들의 종합적인 분석에 초점이 맞춰져 있습니다.
◦
특정 기술이나 애플리케이션에 대한 심층적인 분석보다는 광범위한 주제를 다루고 있어, 세부적인 내용은 다소 부족할 수 있습니다.
◦
미래 연구 방향으로 제시된 내용들은 아직 초기 단계의 연구 주제들이므로, 실제 구현 및 적용에는 상당한 시간이 소요될 수 있습니다.
