Energy-Adaptive Federated Learning Framework for Solar-powered AIoT Devices

AIoT 환경에서 에너지 효율은 중요한 과제이며, 특히 최근에는 지속가능한 그린 컴퓨팅의 필요성이 대두되면서 태양에너지 기반 AIoT 엣지 디바이스가 주목받고 있다. 이러한 디바이스는 수집 에너지가 지속적으로 변동하기 때문에, 이에 적응하는 학습 방식이 필수적이다. 본 논문에서는 이러한 태양에너지 기반 AIoT 디바이스를 위한 에너지 인지형 연합학습 기법을 제안한다. 중앙 서버와 다수의 클라이언트로 구성된 프레임워크에서, 각 노드는 가지치기, 지식 증류, 양자화 기법을 활용해 연산 및 에너지 소모를 줄이며, 잔여 에너지가 임계값 이상일 때에만 학습에 참여한다. 또한, 가용 에너지 수준에 따라 에폭 수와 배치 크기를 동적으로 조정한다. 실험 결과, 제안 기법은 수집 에너지를 효율적으로 활용하여 시스템의 동작 지속성을 확보하면서도 기존 방식과 통계적으로 유의미한 차이가 없는 정확도를 유지하였다.