Energy-Adaptive Approximate Computing and Energy-Allocation-Aware Error Recovery for Reliable Energy-Harvesting AIoT
연구 내용
에너지 수확형 AIoT에서 에너지 예산을 고려한 근사컴퓨팅으로 연합학습 성능을 높이고, 에너지 할당을 반영한 오류 복구로 싱크 수집량을 개선하는 연구
에너지 수확형 AIoT 환경에서는 학습과 통신이 모두 에너지 제약을 받으며, 전송 오류가 발생하면 재전송 비용 때문에 데이터 수집 균형이 흔들릴 수 있습니다. 본 연구는 태양 에너지 수확 모델을 기반으로 라운드별 에너지 예산 내에서 로컬 학습 데이터량과 파라미터 교환량을 최적화하는 에너지 적응형 근사컴퓨팅을 수행해 정전시간을 줄이고 연합학습 성능을 개선합니다. 또한 배터리 한계를 초과해 남는 여분 에너지를 재전송 및 중복 전송에 활용해 데이터 손실을 복구합니다. 더 나아가 에너지 할당과 데이터 할당 제약을 반영한 Cooperative ARQ로 재전송 가능한 데이터 양을 계산해 불필요한 에너지 소진을 예방하며 싱크 수집량을 향상시킵니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
2건
연구 흐름
연구는 먼저 에너지 제약 하에서 연합학습을 안정적으로 수행하기 위한 계산량 조절 문제로부터 출발했습니다. 라운드별 에너지 예산을 고려해 로컬 학습과 파라미터 교환량을 근사컴퓨팅 방식으로 조절하며 정전 시간을 줄이고 학습 결과의 효율을 높이는 방향으로 진행했습니다. 이후에는 전송 오류로 인해 발생하는 데이터 손실을, 수확된 에너지의 잉여를 활용해 재전송과 중복 전송으로 복구하는 기법을 연구했습니다. 마지막으로 오류 복구 단계에서 에너지·데이터 할당 제약을 함께 반영하는 Cooperative ARQ로 확장해, 장거리·고오류율 환경에서도 수집 균형을 유지하는 연구를 수행했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Energy-Adaptive Approximate Computing Scheme for Efficient Federated Learning in Energy-Harvesting AIoT Systems
Energy-adaptive Data Loss Recovery in Energy Harvesting Wireless Sensor Networks
Error Recovery Using Cooperative ARQ in Energy-Harvesting Wireless Sensor Networks with Data Allocation
관련 프로젝트
구분
제목
광역 환경 모니터링을 위한 이기종 IoT 기기의 효율적인 운용 기법 연구
광역 환경 모니터링을 위한 이기종 IoT 기기의 효율적인 운용 기법 연구