AI 가속기 전력 추정 및 에너지 효율 향상 기반 임베디드 에너지 관리 연구

Power Estimation and Energy Management for AI Accelerators on Embedded Edge Devices

연구 내용

GPU 및 Edge TPU 기반 플랫폼에서 AI 가속기의 전력 소모를 추정하고, 임베디드 엣지 환경의 에너지 효율과 신뢰성 있는 에너지 관리를 위한 방법론을 개발하는 연구

IoT 확산으로 인해 엣지 장치에서 AI 서비스의 에너지 소비가 핵심 제약이 되면서, AI 가속기의 전력 소모를 추정하고 관리하는 방법을 연구합니다. GPU- 및 Edge TPU 기반 엣지 플랫폼에서 측정 기반 추정 절차를 구성하고, 메인 메모리와 스토리지 접근 등 직접 관측이 어려운 항목을 포함해 오차 요인을 분석합니다. 또한 AI 가속기 수행 시 에너지 소비와 성능의 상관을 함께 검토하여 에너지 효율 관점의 설계 기준을 제안합니다. 이를 전원 변동 상황을 포함하는 에너지 기반 컴퓨팅 시스템SW의 운용 요구와 연결합니다.

관련 프로젝트

1건

연구 흐름

2025년에는 엣지 장치에서 AI 가속기 전력 소모를 추정하기 위한 방법론을 정리하고, GPU- 및 Edge TPU 기반 플랫폼 실험을 통해 추정 오차의 주요 원인을 파악했습니다. 이후 2026년에는 AI 가속기의 에너지 소비와 성능을 함께 평가하여 엣지 디바이스에서의 효율 특성을 정량화하는 방향으로 연구를 확장했습니다. 동시에 전원 불안정 환경에서 동작하는 에너지 기반 컴퓨팅 시스템SW 원천기술 개발 과제를 수행하며, 에너지 관리 관점의 요구사항을 소프트웨어 수준에서 반영할 수 있는 기반을 확보했습니다. 최종적으로 신뢰성 있는 에너지 관리를 위한 추정-운용 흐름을 고도화하고 있습니다.

활용 가능성

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

엣지 AI 전력 예측 모델
AI 가속기 에너지 프로파일링
에너지 기반 컴퓨팅 운영 정책
전원 불안정 환경 적응형 관리
전력-성능 트레이드오프 분석
임베디드 에너지 예산 수립
에너지 하베스팅 연동 최적화
신뢰성 중심 에너지 모니터링
엣지 장치 자원 스케줄링 기준
저전력 추론 배치 전략