강화학습 기반 모바일 기기 전력관리 정책 및 하드웨어 구현 연구

Reinforcement Learning-Based Power Management for Mobile Devices

연구 내용

MPSoC 기반 모바일 시스템에서 강화학습으로 전력 제어 정책을 학습하고 하드웨어로 구현하는 연구

모바일 기기에서 응용 시나리오 변화에 따른 동적 전력 소모를 줄이기 위해 MPSoC 시스템의 특성을 예측하고, 강화학습 기반 제어 정책을 통해 power management를 수행합니다. QoS를 기준으로 전력 효율을 개선하도록 정책을 학습하며, 기존 dynamic voltage/frequency scaling 거버너와의 차이를 정책 선택 구조에서 확보합니다. 또한 소프트웨어 의사결정의 오버헤드를 줄이기 위해 FPGA에 정책을 구현하고, CPU와 하드웨어 정책 간 통신 인터페이스를 구성하여 지연을 최소화하는 방향으로 시스템 수준 최적화를 진행합니다.

관련 프로젝트

0건

연구 흐름

초기 연구에서는 모바일 기기에서 다양한 작업 조건이 power management에 미치는 영향을 고려하고, Q-learning 기반으로 시스템 특성을 반영하는 정책 학습 방식을 정립하였습니다. 이후 정책이 시나리오 전환에도 안정적으로 동작하도록 상태 예측과 제어 선택 로직을 구체화하고, 전력 효율과 사용자 만족을 함께 고려하는 평가 틀을 마련하였습니다. 최근에는 정책을 하드웨어에 이식하는 설계를 통해 실행 오버헤드를 줄이고, CPU–FPGA 인터페이스를 포함한 구현 관점에서 의사결정 경로의 지연을 개선하는 연구를 수행하고 있습니다.

활용 가능성

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

MPSoC 전력 제어 정책
강화학습 기반 power management
FPGA 정책 실행 모듈
CPU-하드웨어 제어 인터페이스
Frequency scaling 제어기
QoS 기반 전력 최적화
모바일 SoC 에너지 효율화
하드웨어 구현형 의사결정
임베디드 시스템 전력 관리
시나리오 적응형 전력 제어