1차년도: DNN 워크로드 특성 분석 및 에너지, 성능, 정확도 평가 - 다양한 DNN 워크로드 특성 분석을 위한 프레임워크 구축 - 시스템 수준에서 DNN 워크로드 (e.g., CNN, RNN, 추천 모델) 분석 - 다양한 형태의 Mobile SoC에서 DNN 추론/학습 에너지, 성능, 정확도 평가 2차년도: 스마트 엣지 시스템을 위한 디바이스 그룹 수준의 에너지 최적화 기술 개발 - 추론 에너지 최적화를 위한 강화학습 컴포넌트 정의 - 네트워크를 통해 연결된 다양한 엣지 기기를 위한 디바이스 그룹 수준의 CNN/RNN 추론 에너지 최적화 기술 개발 - 스마트 엣지 시스템을 위한 추천 추론 에너지 최적화 기술 개발 3차년도: 시스템 수준의 연합 학습 에너지 최적화 - 연합 학습에서 Global Parameter들이 DNN 모델들의 정확도, 수렴 속도, 그리고 에너지 효율이 미치는 영향 분석 - 에너지 최적 Global Parameter 선택 기술 개발 - 연합 학습에 참여하는 기기들의 서로 다른 성능 및 실행 환경의 변화를 고려한 로컬 에너지 효율 최적화