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

Resumo Técnico: Modelagem Estocástica e Dimensionamento de Recursos de Sistemas Inteligentes de Borda Multicelulares

Definição do Problema
A inteligência de borda permite a inferência de IA na borda da rede, oferecendo soluções de baixa latência para aplicações como análise de vídeo. No entanto, a relação custo-benefício e o desempenho desses sistemas dependem criticamente do dimensionamento conjunto dos recursos sem fio e computacionais antes da implantação. A literatura existente foca majoritariamente no alocação de recursos em tempo de execução ou utiliza modelos simplificados que desacoplam o acesso via rádio da infraestrutura de computação. Essas abordagens frequentemente negligenciam correlações de ponta a ponta em implantações de larga escala e baseiam-se em métricas de desempenho médio, falhando em abordar as rigorosas restrições de latência de cauda e de precisão de inferência exigidas por aplicações de segurança crítica de próxima geração. Além disso, o planejamento de rede trata as dimensões de comunicações sem fio e computação de forma isolada, ignorando a natureza estocástica da localização dos usuários, do tráfego e da interferência em ambientes multicelulares realistas.

Metodologia
Os autores propõem um framework estocástico unificado para modelar e otimizar o dimensionamento de sistemas inteligentes de borda multicelulares. A metodologia integra três componentes principais:

1. Geometria Estocástica para Topologia de Rede: A distribuição espacial de estações base e usuários é modelada usando um Processo de Pontos de Poisson (PPP) homogêneo. Isso permite a derivação de expressões em forma fechada para a capacidade eródica de uplink tanto em regimes limitados por ruído quanto limitados por interferência. O modelo incorpora controle de potência fracionário proporcional à distância, restrições de potência de pico e interferência intercelular dentro de uma tesselação de Poisson-Voronoi.
2. Teoria de Filas e Perfil de Carga de Trabalho de IA: O atraso de offloading de ponta a ponta é decomposto em tempo de transmissão de uplink, tempo de fila no servidor de borda e tempo de inferência de IA. O processo de chegada é modelado como um processo de Poisson, e a fila do servidor é tratada como um sistema M/D/1 (chegadas de Poisson, serviço determinístico). O tempo de serviço é derivado do perfil empírico de inferência baseado em YOLOv5, mostrando uma dependência cúbica da resolução do quadro.
3. Formulação de Otimização Conjunta: Os autores formulam um problema de otimização não convexo para minimizar o custo total de implantação (soma ponderada de largura de banda sem fio e capacidade computacional) enquanto satisfazem garantias estatísticas de Qualidade de Serviço (QoS). Essas garantias incluem restrições rigorosas de latência de cauda (definidas por uma probabilidade mínima de sucesso), requisitos de cobertura para usuários de borda de célula e células Voronoi grandes, e precisão mínima de inferência.

Para resolver o problema não convexo, os autores provam que ele pode ser decomposto em uma série de subproblemas convexos. Ao fixar variáveis específicas (como a distância do usuário de pior caso e a resolução do quadro) e utilizar representações de epígrafo para restrições de potência, eles demonstram que o problema admite uma solução globalmente ótima sob condições de carga específicas.

Principais Contribuições

• Framework Estocástico Unificado: O artigo introduz um modelo tratável que captura conjuntamente a aleatoriedade espacial, a dinâmica de transmissão sem fio e a fila computacional para análise de vídeo na borda.
• Expressões de Capacidade em Forma Fechada: Os autores derivam fórmulas de capacidade eródica para transmissões de uplink SIMO sob condições de ruído e interferência, contabilizando explicitamente o controle de potência fracionário e limites de potência de pico.
• Otimalidade Global em Planejamento Não Convexo: O trabalho fornece uma prova teórica de que o complexo problema de dimensionamento de recursos não convexo pode ser resolvido globalmente através da decomposição em subproblemas convexos, garantindo trocas custo-desempenho ótimas sem aproximações heurísticas.
• Diretrizes de Design para Densificação: Através de avaliação numérica, o artigo identifica trade-offs críticos na densificação de rede. Revela que, embora redes mais densas reduzam os atrasos de transmissão, elas podem aumentar os custos computacionais por requisição devido à redução do multiplexação estatística nos servidores. Inversamente, em regimes limitados por interferência, a densificação só é custo-efetiva se o fator de reuso de frequência escalar proporcionalmente com a densidade das estações base; caso contrário, leva a severa interferência e ineficiência.

Resultados
Avaliações numéricas em regimes limitados por ruído e por interferência destacam comportamentos de design distintos:

• Regime Limitado por Ruído: A densificação (aumento da densidade de estações base) reduz a largura de banda necessária por quadro devido a distâncias de propagação menores. No entanto, aumenta a capacidade computacional necessária por servidor porque células menores agregam menos usuários, reduzindo os ganhos de multiplexação estatística.
• Regime Limitado por Interferência: Se o fator de reuso de frequência for mantido constante enquanto a rede é densificada, a interferência aumenta, anulando os benefícios de links mais curtos e levando a maiores requisitos de largura de banda. Designs custo-efetivos neste regime exigem que o fator de reuso de frequência escale proporcionalmente com a densidade da estação base.
• Trade-offs: A análise confirma um trade-off fundamental entre eficiência sem fio e computacional. Células menores reduzem o atraso de transmissão, mas aumentam os custos computacionais, enquanto células maiores exibem a tendência oposta. O design ideal depende fortemente da intensidade de tráfego e da estratégia específica de gerenciamento de interferência empregada.

Significância
O artigo afirma preencher uma lacuna crítica na literatura ao mudar o foco da otimização em tempo de execução para a etapa de planejamento pré-implantação de sistemas inteligentes de borda. Ao fornecer um framework estocástico rigoroso que considera a aleatoriedade espacial e restrições estritas de latência de cauda, o trabalho oferece diretrizes fundamentadas para o provisionamento de recursos em redes 5G e além-6G. A capacidade de derivar soluções globalmente ótimas para o dimensionamento conjunto de recursos sem fio e computacionais garante que as implantações de inteligência de borda possam ser tanto custo-efetivas quanto confiáveis, evitando as armadilhas do subprovisionamento ou sobreprovisionamento de recursos em redes heterogêneas de larga escala.