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包括的に調査するアンケート論文です。 ECCCは、最新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満たすために、クラウドリソースとエッジデバイスを統合するコアパラダイムです。本論文は基本アーキテクチャ,可能技術,新興アプリケーションの体系的な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検索などのモデル最適化アプローチと性能,エネルギー効率,遅延時間要件を調整するAIベースのリソース管理戦略を分析した。また、ECCCシステム内のプライバシーとセキュリティの強化の重要な側面を探求し、自律走行、医療、産業の自動化にわたるさまざまなアプリケーションを介し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により、これらの複雑なシステムの評価基準を確立し、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重要な研究方向を提示し、異種管理、リアルタイム処理、およびスケーラビリティのトラブルシューティングのためのロードマップを提供します。

Takeaways、Limitations

Takeaways:
ECCCシステムのアーキテクチャ、技術、アプリケーションの包括的な理解を提供します。
モデル最適化とAIベースのリソース管理戦略の詳細な分析を提供します。
ECCCシステムのプライバシーとセキュリティの問題をカバーしています。
さまざまなアプリケーションでECCCの実際の展開を調べます。
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。
ECCCシステムの性能評価のためのベンチマーク技術を提示します。
Limitations:
論文が調査であるため、特定の技術やアプローチの詳細な分析が不足する可能性があります。
新技術の急速な発展により、論文発表後に新しい発展がある可能性があります。
実際の実装と展開に関連する特定の困難や課題についての詳細な議論が欠けている可能性があります。
👍