Neuromorphic Wireless Device-Edge Co-Inference via the Directed Information Bottleneck

下一代无线系统的一个重要用例是设备-边缘协同推理，其中语义任务在设备和边缘服务器之间分配。设备进行数据收集和部分处理，而远程服务器根据从设备接收到的信息完成给定任务。通常需要在设备上尽可能高效地运行处理和通信，而在边缘则有更多的计算资源可用。为了解决这种情况，我们引入了一种新的系统解决方案，称为神经形态的无线设备-边缘协同推理。根据该方案，设备使用神经形态硬件运行感知、处理和通信单元，而服务器则采用传统的无线电和计算技术。所提出的系统采用发射机为中心的信息论准则进行设计，以实现通信开销的减少，同时保留与所关注的端到端语义任务最相关的信息。标准数据集的数值结果验证了所提出的架构，并报告了初步的实验室实现。

论文提出了一种新的系统解决方案，名为神经形态的无线设备-边缘共同推理。该方案旨在提高设备的处理和通信效率，同时利用边缘服务器的计算资源完成语义任务。

使用神经形态硬件来运行设备的感知、处理和通信单元，边缘服务器则采用传统的无线电和计算技术。该系统使用发射器为中心的信息论准则，以减少通信开销，同时保留与语义任务相关的最重要信息。

论文进行了标准数据集的数值结果验证，并报告了初步的实验结果。值得关注的是，该系统使用了神经形态硬件来提高设备的效率，这是相对于当前领域的研究状况具有新意的地方。

最近的相关研究包括： 1. 'Edge Intelligence: Paving the Last Mile of Artificial Intelligence with Edge Computing' by Liang et al. 2. 'A Survey on Edge Computing Systems' by Shi et al. 3. 'Energy-Efficient Edge Computing for Internet of Things Applications: A Survey' by Mao et al.