Integration of Imperfect Network Transfer and Computing Towards Low-Latency Systems

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K21789
• Research Category: Grant-in-Aid for Challenging Research (Exploratory)
• Allocation Type: Multi-year Fund
• Review Section: Medium-sized Section 60:Information science, computer engineering, and related fields
• Research Institution: Tokyo Institute of Technology
• Principal Investigator: Yuko Hara 東京工業大学, 工学院, 准教授 (20640999)
• Co-Investigator(Kenkyū-buntansha): 中山 悠 東京農工大学, 工学(系)研究科(研究院), 准教授 (80802058)
• Project Period (FY): 2020-07-30 – 2023-03-31
• Keywords: 近似計算 / 低遅延システム / ネットワーク伝送

Outline of Final Research Achievements

Internet of Things (IoT) systems have limited resources for networks and computations due to the design cost and power/energy consumption constraints. Recently, for such IoT systems, "approximate computing", which is a new computing paradigm, has been attractive to accelerate applications while accepting some errors. This research has addressed the fundamental studies on integrate imperfect network transfer and computing. By allowing the received data to include errors and approximating the applications all over the IoT system, low-latency IoT systems designs are enabled.

Free Research Field

計算機システム

Academic Significance and Societal Importance of the Research Achievements

本研究で取り組んだACoNは、ネットワーク上の伝送誤りをアプリケーションに応じた水準で許容して低遅延化を実現する技術である。ネットワークとコンピューティングの２つの異なる技術を統合的に扱うことで初めて実現するコンセプトであり、新規性・挑戦性は高い。異分野研究領域からの大局的取り組みは、既存研究の前提・方向性を大きく転換する可能性を有する。本研究では、機械学習を用いた画像伝送システム等へACoNを適用し、その有効性を評価した。IoTにおいて機械学習ベースのアプリケーションは年々増大していることから、本研究成果はIoT社会における様々なアプリケーションを低遅延で実現できる可能性を実証したと言える。