최근 증강현실(augmented reality)과 같은 모바일 장치에서 인공지능(AI) 기법을 활용하는 응용이 광범위하게 확산되고 있다. 이러한 응용의 품질경험(QoE)은 모바일 장치의 하드웨어 사양, 동적 서비스 요구, 확률적 네트워크 상태, 그리고 DNN(Deep Neural Network) 모델의 특성에 의해 영향을 받는다. 본 논문에서는 모바일 장치와 모바일 엣지 컴퓨팅(MEC) 서버 사이의 DNN 모델 분할과, 모바일 장치에서 내부/외부 시스템 동역학에 대해 처리 및 네트워킹 자원을 공동 최적화하기 위해 가상 대기열 기반 Lyapunov 최적화 프레임워크를 활용하는 CutEdge를 제안한다. 구체적으로, CutEdge는 (i) 모바일 장치와 MEC 서버 간 DNN 모델의 분할 지점, (ii) GPU 클록 주파수, 그리고 (iii) 모바일 장치에서의 전송률을 동시에 결정한다. 이어서, QoE 지표가 이전 연구에서 공동으로 다루어지지 않았던 CutEdge가 제공하는 에너지 소비, 처리량(throughput), 종단 간(end-to-end) 지연(latency) 간의 최적 트레이드오프 곡선을 이론적으로 제시한다. 또한 실제 트레이스 기반 시뮬레이션을 통해 세 가지 제어 파라미터의 공동 최적화가 성능에 미치는 영향을 보인다. 마지막으로, 임베디드 AI 장치와 MEC 서버를 활용하여 구현한 테스트베드에서의 실험을 통해 기존 알고리즘에 비해 CutEdge의 우수성을 보인다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.