Stochastic Modeling and Resource Dimensioning of Multi-Cellular Edge Intelligent Systems

Resumen Técnico: Modelado Estocástico y Dimensionamiento de Recursos de Sistemas Inteligentes en el Borde Multicelulares

Planteamiento del Problema
La inteligencia en el borde (edge intelligence) permite la inferencia de IA en el borde de la red, ofreciendo soluciones de baja latencia para aplicaciones como el análisis de video. Sin embargo, la rentabilidad y el rendimiento de estos sistemas dependen críticamente del dimensionamiento conjunto de los recursos inalámbricos y computacionales antes del despliegue. La literatura existente se centra mayoritariamente en la asignación de recursos en tiempo de ejecución o emplea modelos simplificados que desacoplan el acceso por radio de la infraestructura de computación. Estos enfoques suelen pasar por alto las correlaciones de extremo a extremo en despliegues a gran escala y dependen de métricas de rendimiento promedio, fallando al abordar las estrictas restricciones de latencia de cola y de precisión de inferencia requeridas por las aplicaciones de próxima generación de seguridad crítica. Además, la planificación de red trata las dimensiones inalámbricas y de computación de forma aislada, ignorando la naturaleza estocástica de la ubicación de los usuarios, el tráfico y la interferencia en entornos multicelulares realistas.

Metodología
Los autores proponen un marco estocástico unificado para modelar y optimizar el dimensionamiento de sistemas inteligentes en el borde multicelulares. La metodología integra tres componentes principales:

1. Geometría Estocástica para la Topología de Red: La distribución espacial de las estaciones base y los usuarios se modela mediante un Proceso de Punto de Poisson (PPP) homogéneo. Esto permite la derivación de expresiones en forma cerrada para la capacidad eródica de enlace ascendente (uplink) tanto en regímenes limitados por ruido como por interferencia. El modelo incorpora control de potencia fraccional proporcional a la distancia, restricciones de potencia pico e interferencia entre celdas dentro de una teselación de Poisson-Voronoi.
2. Teoría de Colas y Perfilado de Carga de Trabajo de IA: El retardo de descarga de extremo a extremo se descompone en tiempo de transmisión de enlace ascendente, tiempo de cola en el servidor de borde y tiempo de inferencia de IA. El proceso de llegada se modela como un proceso de Poisson y la cola del servidor se trata como un sistema M/D/1 (llegadas de Poisson, servicio determinista). El tiempo de servicio se deriva del perfilado empírico de la inferencia basada en YOLOv5, mostrando una dependencia cúbica con la resolución del cuadro (frame).
3. Formulación de Optimización Conjunta: Los autores formulan un problema de optimización no convexo para minimizar el costo total de despliegue (suma ponderada de ancho de banda inalámbrico y capacidad de cómputo) mientras se satisfacen las garantías estadísticas de Calidad de Servicio (QoS). Estas garantías incluyen restricciones estrictas de latencia de cola (definidas por una probabilidad de éxito mínima), requisitos de cobertura para usuarios en el borde de la celda y celdas Voronoi grandes, y una precisión de inferencia mínima.

Para resolver el problema no convexo, los autores demuestran que este puede descomponerse en una serie de subproblemas convexos. Al fijar variables específicas (como la distancia del peor caso del usuario y la resolución del cuadro) y utilizar representaciones de epígrafos para las restricciones de potencia, demuestran que el problema admite una solución globalmente óptima con un error de optimalidad de cero bajo condiciones de carga específicas.

Contribuciones Clave

• Marco Estocástico Unificado: El artículo introduce un modelo tratable que captura conjuntamente la aleatoriedad espacial, la dinámica de transmisión inalámbrica y el encolamiento computacional para el análisis de video en el borde.
• Expresiones de Capacidad en Forma Cerrada: Los autores derivan fórmulas de capacidad eródica para transmisiones de enlace ascendente SIMO bajo condiciones limitadas por ruido y por interferencia, contabilizando explícitamente el control de potencia fraccional y los límites de potencia pico.
• Optimalidad Global en la Planificación No Convexa: El trabajo proporciona una prueba teórica de que el complejo problema de dimensionamiento de recursos no convexo puede resolverse globalmente mediante la descomposición en subproblemas convexos, asegurando compromisos de costo-rendimiento óptimos sin aproximaciones heurísticas.
• Directrices de Diseño para la Densificación: A través de la evaluación numérica, el artículo identifica compromisos críticos en la densificación de la red. Revela que, si bien las redes más densas reducen los retardos de transmisión, pueden aumentar los costos de computación por solicitud debido a la reducción del multiplexado estadístico en los servidores. Por el contrario, en regímenes limitados por interferencia, la densificación solo es rentable si el factor de reutilización de frecuencias escala proporcionalmente con la densidad de las estaciones base; de lo contrario, conduce a una severa interferencia e ineficiencia.

Resultados
Las evaluaciones numéricas en regímenes limitados por ruido e interferencia resaltan comportamientos de diseño distintos:

• Régimen Limitado por Ruido: La densificación (aumento de la densidad de estaciones base) reduce el ancho de banda requerido por cuadro debido a distancias de propagación más cortas. Sin embargo, aumenta la capacidad de cómputo requerida por servidor porque las celdas más pequeñas agregan menos usuarios, reduciendo las ganancias de multiplexado estadístico.
• Régimen Limitado por Interferencia: Si el factor de reutilización de frecuencias se mantiene constante mientras se densifica la red, la interferencia aumenta, anulando los beneficios de los enlaces más cortos y resultando en mayores requerimientos de ancho de banda. Los diseños rentables en este régimen requieren un escalado proporcional del factor de reutilización de frecuencias con la densidad de las estaciones base.
• Compromisos (Trade-offs): El análisis confirma un compromiso fundamental entre la eficiencia inalámbrica y la de computación. Las celdas más pequeñas reducen el retardo de transmisión pero aumentan los costos de computación, mientras que las celdas más grandes exhiben la tendencia opuesta. El diseño óptimo depende fuertemente de la intensidad del tráfico y de la estrategia específica de gestión de interferencias empleada.

Significado
El artículo afirma cerrar una brecha crítica en la literatura al desplazar el enfoque de la optimización en tiempo de ejecución hacia la etapa de planificación previa al despliegue de los sistemas inteligentes en el borde. Al proporcionar un marco estocástico riguroso que tiene en cuenta la aleatoriedad espacial y las estrictas restricciones de latencia de cola, el trabajo ofrece directrices fundamentadas para la provisión de recursos en redes 5G y más allá de 6G. La capacidad de derivar soluciones globalmente óptimas para el dimensionamiento conjunto de recursos inalámbricos y de computación asegura que los despliegues de inteligencia en el borde puedan ser tanto rentables como fiables, evitando los peligros de la subprovisión o la sobreprovisión de recursos en redes heterogéneas a gran escala.