Ottimizzazione Congiunta della Frequenza di Memoria e di Calcolo per l'Inferenza DNN a Basso Consumo Energetico

Un nuovo articolo arXiv (2608.13863v1) propone un'ottimizzazione congiunta della frequenza di memoria, della frequenza di calcolo e delle risorse di comunicazione per minimizzare il consumo energetico nell'inferenza di reti neurali profonde (DNN) su dispositivi mobili. Lo studio affronta l'impatto trascurato della frequenza di memoria sulle prestazioni di inferenza, formulando un problema di ottimizzazione sotto vincoli di scadenza. Per l'inferenza locale, viene derivata una soluzione in forma chiusa quasi ottimale tramite ottimizzazione convessa, e si ottiene una soluzione in forma chiusa ottimale per la potenza di trasmissione. La ricerca mira a consentire un'inferenza DNN efficiente dal punto di vista energetico considerando sia il ridimensionamento della frequenza di calcolo che di memoria, un allontanamento dai lavori precedenti che si concentravano esclusivamente sul ridimensionamento dinamico di tensione e frequenza (DVFS) per la frequenza di calcolo.