Beschleunigerbewusste Berechnungsauslagerung unter zeitlichen Einschränkungen

Der Aufstieg von Chiplets in der persönlichen und leistungsstarken Computertechnik spiegelt sich im System on Chip (SOC) in mobilen Geräten wider. Beide Paradigmen ermöglichen es Anbietern und Designern, dedizierte Schaltungen zur Beschleunigung von Berechnungen zu integrieren. Implementierungen wie kryptografische oder Vektor-Engines sind gut bekannt, und heutzutage werden oft Maschinenlernblöcke (ML) eingebaut, um die Inferenz von tiefen neuronalen Netzen (DNN) zu beschleunigen. Der Wandel zu vielfältigen Gerätearchitekturen, wie am Beispiel von RISC-V, steht kurz vor dem Durchbruch. Die weitreichende Integration von Beschleunigern in Smartphones, Tablets, SoCs und dedizierten Serversystemen eröffnet spannende neue Innovationen. In diesem kurzen Papier präsentieren wir die Berechnungsauslagerung für spezifische Arbeitslasten im Rahmen von Multi-Access Edge Computing (MEC) und Energieoptimierung. Wir achten auf die Abhängigkeit zwischen Aufgaben durch die Verwendung eines gerichteten azyklischen Graphen (DAG). Unser systemisches Modell mit mehreren mobilen Nutzern, Geräte-zu-Geräte (D2D) Verbindungen zwischen Benutzergeräten (UEs) und Edge-Servern ermöglicht eine Zusammenarbeit in der Berechnung und Kommunikation. Die Energieeffizienz des Systems wird erheblich verbessert, indem Beschleuniger in die UEs und das MEC eingeführt werden. Wir untersuchen die Fähigkeiten der Geräte (Beschleuniger) und schlagen eine effektive Lösung vor.