연합 학습(Federated Learning, FL)은 클라우드 서버와 기기 내 학습 샘플을 공유하지 않고 DNN 모델을 학습하기 위한 분산형 접근법이다. DNN 학습에서 개인정보 유출을 방지하기 위한 실용적인 해법임에도 불구하고, FL의 환경적 영향은 수십억 명의 모바일 사용자가 있다는 점에서 상당할 수 있다. 그러나 이질적인 탄소 집약도, 시스템/데이터 이질성, 네트워크 변동성 등 FL의 고유한 특성 때문에 FL의 탄소 배출을 최적화하는 데에는 어려움이 있다. 본 논문에서는 상기 특성을 고려하여 참여자 및 해당 학습 샘플을 탄소 효율적으로 선택할 수 있는 탄소 인지(carbon-aware) 연합 학습 알고리즘 ---CLOVER---를 제안한다. 다양한 DNN 모델과 데이터셋의 조합을 사용한 실험에서, CLOVER는 평균적으로 FL의 탄소 효율성을 25.0% 향상시키면서도 더 나은 정확도로 수렴성은 여전히 보장한다.

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