Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey

Created by
  • Haebom

作者

Jing Liu, Yao Du, Kun Yang, Jiaqi Wu, Yan Wang, Xiping Hu, Zehua Wang, Yang Liu, Peng Sun, Azzedine Boukerche, Victor CM Leung

概要

本論文は、エッジクラウド共同コンピューティング(ECCC)における分散知能とモデル最適化の交点を総合的に調査したアンケート論文です。エッジデバイスとクラウドリソースを統合して効率的で遅延時間の短い処理を可能にするECCCは、現代のインテリジェントアプリケーションのコンピューティング要件を解決するための重要なパラダイムとして浮上しました。この論文では、基本アーキテクチャ、可能な技術、および新しいアプリケーションの構造化チュートリアルを提供し、モデル圧縮、適応、ニューラルネットワークアーキテクチャのナビゲーションなどのモデル最適化方法とパフォーマンス、エネルギー効率、および遅延時間の要件をバランスさせるAIベースのリソース管理戦略を体系的に分析します。また、ECCCシステム内でのプライバシーとセキュリティ強化の重要な側面を探求し、自律走行、医療、産業の自動化など、さまざまなアプリケーションを通じて実際の展開を調査します。パフォーマンス分析とベンチマーク技術も徹底的に探求し、これらの複雑なシステムの評価基準を確立します。最後に、LLM展開、6G統合、ニューロモフィックコンピューティング、量子コンピューティングなどの重要な研究方向を提示し、異質性管理、リアルタイム処理、およびスケーラビリティの継続的な課題を解決するためのロードマップを提供します。

Takeaways、Limitations

Takeaways:
ECCCシステムにおける分散知能とモデル最適化の最新動向を包括的に提示
モデル最適化手法、AIベースのリソース管理戦略、プライバシー、セキュリティ強化策などを体系的に分析します。
さまざまなアプリケーションを介した実際の展開事例とパフォーマンス分析とベンチマーク技術を紹介します。
LLM展開、6G統合、ニューロモルフィックコンピューティング、量子コンピューティングなどの将来の研究方向を提示します。
Limitations:
論文はアンケートの形態であるため、新しい研究ではなく既存の研究の包括的な分析に焦点を当てています。
特定の技術やアプリケーションの詳細な分析ではなく、幅広いトピックを扱っているため、詳細は少し不足する可能性があります。
将来の研究方向に提示された内容はまだ初期段階の研究テーマであるため、実際の実装と適用にはかなりの時間がかかります。
👍