Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

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 에지-클라우드 협업 컴퓨팅(ECCC)에서 분산 지능과 모델 최적화의 교차점을 포괄적으로 조사하는 설문 조사 논문입니다. ECCC는 최신 지능형 애플리케이션의 컴퓨팅 요구 사항을 충족하기 위해 클라우드 리소스와 에지 디바이스를 통합하는 핵심 패러다임입니다. 본 논문은 기본 아키텍처, 가능 기술, 신흥 애플리케이션에 대한 체계적인 튜토리얼을 제공하며, 모델 압축, 적응, 신경망 아키텍처 검색과 같은 모델 최적화 접근 방식과 성능, 에너지 효율, 지연 시간 요구 사항을 조정하는 AI 기반 리소스 관리 전략을 분석합니다. 또한 ECCC 시스템 내의 개인 정보 보호 및 보안 강화의 중요한 측면을 탐구하고 자율 주행, 의료 및 산업 자동화에 걸친 다양한 애플리케이션을 통해 실제 배포를 조사합니다. 성능 분석 및 벤치마킹 기법을 통해 이러한 복잡한 시스템에 대한 평가 표준을 수립하고, LLM 배포, 6G 통합, 뉴로모픽 컴퓨팅 및 양자 컴퓨팅을 포함한 중요한 연구 방향을 제시하며 이종성 관리, 실시간 처리 및 확장성 문제 해결을 위한 로드맵을 제공합니다.

시사점, 한계점

시사점:
ECCC 시스템의 아키텍처, 기술, 애플리케이션에 대한 포괄적인 이해를 제공합니다.
모델 최적화 및 AI 기반 리소스 관리 전략에 대한 심층적인 분석을 제공합니다.
ECCC 시스템의 개인 정보 보호 및 보안 문제를 다룹니다.
다양한 애플리케이션에서 ECCC의 실제 배포를 조사합니다.
LLM 배포, 6G 통합, 뉴로모픽 컴퓨팅 및 양자 컴퓨팅과 같은 미래 연구 방향을 제시합니다.
ECCC 시스템의 성능 평가를 위한 벤치마킹 기법을 제시합니다.
한계점:
논문이 설문 조사임으로 인해, 특정 기술이나 접근 방식에 대한 깊이 있는 분석이 부족할 수 있습니다.
새로운 기술의 빠른 발전으로 인해, 논문 발표 후 새로운 발전이 있을 수 있습니다.
실제 구현 및 배포와 관련된 특정한 어려움이나 과제에 대한 자세한 논의가 부족할 수 있습니다.
👍