面向 AI 驱动的 6G 物联网网络的能耗影响:集中式与去中心式
人工智能
2026-04-22 v1
摘要
第六代(6G)技术的出现为物联网网络中的机器学习(ML)应用引入了新的挑战和机遇,特别是在能效方面。由于模型训练和数据传输对能耗贡献显著,优化这些过程已成为可持续系统设计的关键。本研究首先对集中式和去中心式架构的能耗模型进行分析,然后展示了一个部署在德国铁路基础设施内的测试平台,该平台利用传感器数据进行基于 ML 的预测性维护。对分布式与集中式学习(CL)架构的比较分析表明,分布式模型保持了具竞争力的预测准确率(~90%),同时将总体电力消耗降低了高达 70%。这些发现强调了分布式 ML 在现实世界物联网部署中提高能效的潜力,特别是通过减轻与传输相关的能耗成本。
引用
@article{arxiv.2604.19377,
title = {Towards Energy Impact on AI-Powered 6G IoT Networks: Centralized vs. Decentralized},
author = {Anjie Qiu and Donglin Wang and Sanket Partani and Andreas Weinand and Hans D. Schotten},
journal= {arXiv preprint arXiv:2604.19377},
year = {2026}
}
备注
6 pages, 4 figures. Accepted for presentation at the IEEE GLOBECOM 2025 Workshop on Workshop on Green Learning for Wireless Communications