QAROO：省エネかつ持続可能なMECネットワークのためのAI駆動オンラインタスクオフローディング

Abstract

人工知能（AI）およびインテリジェント・サイエンスの急速な進歩に伴い、インテリジェント・エッジ・コンピューティングは広く採用されている。しかし、適応性の低さやヒューリスティック・アルゴリズムの収束が遅いことといった従来手法の限界が、ますます顕在化してきている。持続可能で資源効率の高いエッジアプリケーションを実現するため、本論文では、ワイヤレス給電型モバイル・エッジ・コンピューティング（MEC）ネットワークに対するオンライン・タスク・オフロードの枠組みを提案する。名称は、Quantum Attention-based Reinforcement learning for Online Offloading（QAROO）である。本システムは、動的なチャネル環境において計算資源とエネルギー資源を共同最適化することを目的として、二値（バイナリ）のオフロード戦略を用いる。従来アプローチにおける適応性の低さの問題や、ヒューリスティック・アルゴリズムの収束が遅いという課題に対処するため、本枠組みでは量子ニューラルネットワークと注意メカニズムを統合し、3つの主要な改善を導入する。すなわち、時間的モデリング能力を高めるためにリカレントニューラルネットワークを用いること、不確実性に導かれる量子化手法を提案して探索効率を向上させること、そして特徴表現を強化するために量子ネットワークへ注意メカニズムを組み込むこと、である。実験により、提案手法は、正規化された計算速度および処理時間の観点で比較方式を上回ることが示され、大規模なモノのインターネット（IoT）の動的環境におけるオンライン・タスク・オフロードに対して、効率的で安定した解を提供する。