本文介绍了异步优化算法的研究进展，重点在于改进随机梯度下降法（SGD）及其变体，以提升收敛速度和性能。研究内容包括小批量方案、稀疏随机方差降低算法和延迟梯度问题，证明了异步方法在非凸优化中的有效性，旨在提高计算资源的利用率。

本研究对移动AI应用的不同DNN模型和处理源进行了全面研究，重点关注计算资源利用率、延迟和能量消耗。通过实验测量了所有模型的延迟、能量消耗和内存使用情况，并提出了一种预测能量模型的方法。该研究为AI研究社区提供了关键事实和能量预测机制，以帮助移动AI应用程序实现能源效率。