Acknowledgement
이 논문은 2025년도 정부(산업통상자원부)의 재원으로 한국산업기술진흥원의 지원을 받아 수행된 연구임(RS-2024-00415938, 2024 년 산업혁신인재성장지원사업).
Annual Conference of KIPS (한국정보처리학회:학술대회논문집)
- 2025.05a
- /
- Pages.727-730
- /
- 2025
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
A Study on Flash Memory Utilization for On-Device AI Learning on MCU-based Edge Devices
MCU 기반 Edge 장치에서의 온디바이스 학습을 위한 플래시 메모리 활용 연구
- Sein Lee (Graduate School of Electronic and Electrical Engineering, Kyungpook National University) ;
- Junho Kwak (Graduate School of Electronic and Electrical Engineering, Kyungpook National University) ;
- Jehong Jeon (Graduate School of Electronic and Electrical Engineering, Kyungpook National University) ;
- Jeonghun Cho (Graduate School of Electronic and Electrical Engineering, Kyungpook National University)
- 이세인 (경북대학교 대학원 전자전기공학부) ;
- 곽준호 (경북대학교 대학원 전자전기공학부) ;
- 전제홍 (경북대학교 대학원 전자전기공학부) ;
- 조정훈 (경북대학교 전자공학부/대학원 전자전기공학부)
- Published : 2025.05.29
Abstract
최근 인공지능 기술이 다양한 분야로 확산되면서 사용자 디바이스에서 인공지능 모델을 학습시키는 온디바이스 학습 기술이 주목받고 있다. 이는 로컬 환경에서 데이터를 수집과 모델 학습을 모두 수행함으로써 개인정보의 노출 방지와 네트워크 지연 최소화를 가능케 한다. MCU 기반 Edge 디바이스에 지속적인 동작이 가능한 인공지능 모델을 탑재하기 위해서는, 저장공간 제약과 전원의 차단과 복귀가 반복적으로 발생하는 디바이스의 동작 특성을 고려한 프레임워크의 설계가 필요하다. 본 연구에서는 이와 같은 조건을 만족하도록, 모델의 연속적인 학습이 가능하며 하드웨어 이식성이 있는 비휘발성 메모리 활용 인공신경망 프레임워크를 구현하고, 실험을 통해 전원 차단 이후에도 세션이 지속적으로 유지되고 모델 검증 절차가 정상적으로 동작함을 확인하였다.
Keywords