DOI QR코드

DOI QR Code

Component-based AI Application Support System using Knowledge Sharing Graph for EdgeCPS Platform

EdgeCPS 플랫폼을 위한 지식 공유 그래프를 활용한 컴포넌트 기반 AI 응용 지원 시스템

  • Kim, Young-Joo (Electronics and Telecommunications Research Institute)
  • Received : 2022.07.13
  • Accepted : 2022.07.27
  • Published : 2022.08.31

Abstract

Due to the rapid development of AI-related industries, countless edge devices are working in the real world. Since data generated within the smart space consisted of these devices is beyond imagination, it is becoming increasingly difficult for edge devices to process. To solve this issue, EdgeCPS has appeared. EdgeCPS is a technology to support harmonious execution of various application services including AI applications through interworking between edge devices and edge servers, and augmenting resources/functions. Therefore, we propose a knowledge-sharing graph-based componentized AI application support system applicable to the EdgeCPS platform. The graph is designed to effectively store information which are essential elements for creating AI applications. In order to easily change resource/function augmentation under the support of the EdgeCPS platform, AI applications are operated as components. The application support system is linked with the knowledge graph so that users can easily create and test applications, and visualizes the execution aspect of the application to users as a pipeline.

AI 관련 산업의 급속한 발전으로 인해 무수히 많은 엣지 디바이스가 실세계에서 동작되고 있고, 이들 디바이스로 구성된 스마트 공간에서 발생하는 데이터가 상상을 초월함으로, 엣지 디비이스가 처리하는 것이 점점 어려워지고 있다. 이러한 문제를 해결하기 위해서 EdgeCPS 기술이 등장하게 되었다. EdgeCPS는 엣지 디바이스와 엣지 서버간 연동과 자원 증강 및 기능 증강을 통하여 AI 응용 서비스를 포함한 다양한 응용 서비스의 원활한 수행을 지원하기 위한 기술이다. 따라서, 본 논문에서는 EdgeCPS 플랫폼에 적용 가능한 지식 공유 그래프 기반의 컴포넌트화된 AI 응용 지원 시스템을 제안한다. 지식 공유 그래프는 AI 응용 작성에 필수적인 요소인 학습데이터, 학습된모델, 학습알고리즘, 디바이스 등에 대한 정보를 효과적으로 저장할 수 있도록 설계된다. 그리고 EdgeCPS 플랫폼의 지원 하에서 자원증강 및 기능증강을 손쉽게 변경할 수 있도록 AI 응용이 컴포넌트화 되어 동작한다. AI 응용 지원 시스템은 사용자가 손쉽게 응용을 작성할 수 있고 테스트 해 볼 수 있도록 지식 공유 그래프와 연동되고, 응용에 대한 파이프라인을 통해서 응용의 실행 양상을 사용자에게 시각화를 해 준다.

Keywords

Acknowledgement

This work was supported by Electronics and Telecommunications Research Institute (ETRI) grant funded by the Korean government. [21ZS1300, Research on High Performance Computing Technology to overcome limitations of AI processing]

References

  1. TTA, Keyword: Edge Device. [Internet]. Available: http://terms.tta.or.kr/main.do.
  2. H. J. Choi, B. G. Ko, J. S. Lee, E. S. Kang, J. O. Kim, and B. K. Lee, "Optimization function analysis for tower AI learning," in Proceeding of Journal of Korea Society of Computer Information, Jeju, Korea, vol. 28, no. 2, pp. 351-353, 2020.
  3. J. W. Park and Y. B. Ko, "A Lightweight CNN Algorithm based on Explainable AI for UWB Localization in Disaster Environments," in Proceedings of Korean Institute of Next Generation Computing, Gwangju, Korea, pp. 30-33, 2021.
  4. I. G. Chun, S. J. Kang, and G. J. Na, "EdgeCPS Technology Trend for Massive Autonomous Things," Electronics and Telecommunications Trends, vol. 37, no. 1, pp. 32-41, Nov. 2021. https://doi.org/10.22648/ETRI.2022.J.370104
  5. Y. J. Kim, I. G. Chun, S. J. Kang, G. N. Na, Y. Y. Kim, J. H. Jeon, and J. H. Lee, "A Design Plan for Constructing the Knowledge Sharing Middleware based on EdgeCPS for Harmonious Execution of AI Applications)," in Proceeding of The 16th IEMEK Symposium on Embedded Technology, Jeju, South Korea, pp. 210-213, 2021.
  6. Kubernetes Federation [Internet]. Avaiable: https://github.com/kubernetes-sigs/kubefed.
  7. Y. S. Kim and Y. H, Kim, "A Case Study of Orchestration for Kubernetes based Multi-Cluster," in Proceeding of the KICS Winter Conference, Pyeongchang, South Korea, pp. 153-154, 2021.
  8. Kubeflow [Internet]. Available: kubeflow.org.
  9. Y. J. Kim, G. J. Na, and I. G. Chun, "A Performance Test for Supporting Microservice of AI Applications," in Proceeding of The 17th IEMEK Symposium on Embedded Technology, Jeju, South Korea, pp. 307-310, 2022.