講演情報
[BT-1-01]連合プロンプト学習を考慮したエッジノード間協調オフロード
〇宮田 純子1 (1. 東京科学大学)
キーワード：
エッジサーバ、FPL、オフロード、待ち行列理論
スマートシティや自動運転の進展に伴い，都市全体の大規模な点群データ等を用いてデジタルツイン構築の需要が高まっている．この実現には，エッジノード間の自律的な連携が不可欠であり，V2X（Vehicle-to-Everything）協調認識に向けたインセンティブ設計など，ノード間協調を持続可能にするための検討が進められている．
このような分散エッジAIシステムにおいては，プライバシーを保護しつつ分散学習を可能にする連合学習（FL）が利用されることが多い．しかし，従来のFLはモデル全体の重みを送信するため，帯域幅が制限されたエッジ環境では通信コストが大きなボトルネックとなる．この課題を解決するため，最適化されたプロンプトのみを共有し通信量を大幅に削減可能な連合プロンプト学習（FPL）が注目を集めている．一方で，実運用されるエッジ環境では，遅延に敏感なAI推論タスクと遅延許容度の高いAI学習タスクが共存するため，タスクの優先順位付けとタスク転送に伴う通信オーバーヘッドの管理が新たな課題となる．
本稿では，FPLにおいて，推論・学習タスクが混在する環境下での，エッジノード間の協調オフロードとして，双方向オフロード手法を提案する．具体的には，待ち行列理論に基づく解析により，推論タスクの厳密な遅延要件を満たしつつ，学習タスクの処理時間を最小化することを目指す．
このような分散エッジAIシステムにおいては，プライバシーを保護しつつ分散学習を可能にする連合学習（FL）が利用されることが多い．しかし，従来のFLはモデル全体の重みを送信するため，帯域幅が制限されたエッジ環境では通信コストが大きなボトルネックとなる．この課題を解決するため，最適化されたプロンプトのみを共有し通信量を大幅に削減可能な連合プロンプト学習（FPL）が注目を集めている．一方で，実運用されるエッジ環境では，遅延に敏感なAI推論タスクと遅延許容度の高いAI学習タスクが共存するため，タスクの優先順位付けとタスク転送に伴う通信オーバーヘッドの管理が新たな課題となる．
本稿では，FPLにおいて，推論・学習タスクが混在する環境下での，エッジノード間の協調オフロードとして，双方向オフロード手法を提案する．具体的には，待ち行列理論に基づく解析により，推論タスクの厳密な遅延要件を満たしつつ，学習タスクの処理時間を最小化することを目指す．