자원 효율 분산학습 및 엣지 기반 의미전달

Resource-Efficient Federated Learning and Edge Semantic Communication

연구 내용

모바일·엣지 환경에서 분산학습과 의미전달을 자원 제약 하에 효율화하는 통신-학습 공동 최적화 연구

모바일 환경에서 연합학습이 통신 자원과 네트워크 혼잡에 의해 성능이 제약되는 문제를 다룹니다. 이를 위해 위치 기반 클러스터링으로 참여 클라이언트를 선별하고, 파레토 원칙을 활용해 업데이트 범위를 조절함으로써 무선 트래픽을 줄이면서 수렴 성능을 유지하는 구조를 제안합니다. 또한 엣지 서버의 연산·지식 기반을 활용해 사용자 단말의 부담을 오프로딩하고, 불확실성을 고려하는 베이지안 강화학습 기반 의미전달 프레임워크를 설계합니다. 분산된 통신과 학습 과정을 함께 최적화하는 데 차별성이 있습니다.

관련 프로젝트

0건

연구 흐름

연합학습의 통신 부담을 줄이기 위한 자원 효율 스킴으로 연구를 시작했으며, 원격 파라미터 서버 경로 혼잡과 파라미터 전송량 증가를 핵심 이슈로 설정했습니다. 이후 위치 기반 클러스터 구조에서 파레토 원칙을 적용한 자원 절감형 연합학습으로 확장하고, 모델 수렴 속도와 전송 효율을 함께 고려하는 방향으로 심화했습니다. 학술 발표 및 선행연구 형태로 확장 검토를 수행한 뒤, 네트워크에서 의미 단위 전송을 적용하기 위해 엣지 컴퓨팅을 중심으로 의미전달 프레임워크를 제안했습니다. 최근에는 제한된 온디바이스 지식·연산 자원과 엣지 서버의 역량 차이를 전제로 정책 기반 최적화를 수행하는 연구 흐름을 이어가고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

D2D 연합학습 자원 절감 통신 프로토콜
엣지 서버 기반 모델 집계 게이트웨이
클러스터 선택형 연합학습 스케줄러
무선 트래픽 혼잡 완화 정책
다목적 최적화 기반 학습 업데이트 제어
의미 기반 데이터 전송 프레임워크
온디바이스-엣지 오프로딩 설계 가이드
불확실성 고려 강화학습 기반 통신 정책
스케일러블 엣지 통신 아키텍처
IoT 분산지능 연계 서비스