نشر الباحث المستقل محمد منسي GlucoEdge، وهو دراسة هندسية توضح خط أنابيب تعلم آلي على الجهاز بالكامل للتنبؤ باتجاهات الجلوكوز لخمس فئات لمدة 15 دقيقة من بيانات مراقب الجلوكوز المستمر. تقدم الدراسة شبكة عصبية كونفولوشنية أحادية البعد (CNN) مدمجة تحتوي على 2,909 معلمة فقط، وتغطي سير العمل الكامل من PyTorch إلى التحويل إلى LiteRT.

  • أدى الكمّ الثابت بعد التدريب بعمق INT8 إلى تقليل حجم ملف النموذج بنسبة تقارب 31%.
  • تسبب الكمّ في انخفاض الاستدعاء الكلي (macro recall) من 0.5060 إلى 0.4135، مع تدهور الأداء عبر جميع الفئات الاتجاهية الأربع.
  • تحلل الدراسة حجم النشر جنباً إلى جنب مع تأثير الكم على سلوك الفئات الأقلية، بما في ذلك تغطية بيانات المعايرة وقص نطاق الإدخال.
  • تم اختبار الاستدلال غير المتصل (offline inference) على جهاز أندرويد فعلي، مع توفر الكود ومواد إعادة الإنتاجية على GitHub.

يوضح المؤلف صراحةً القيود مثل تداخل نوافذ السلاسل الزمنية وخطر تسرب بادئة السياق، موضحاً أن هذا نموذج أولي بحثي وليس نظاماً طبياً.