本論文では、モバイルエッジデバイス（AR/VRヘッドセットなど）が限られた計算能力とエネルギーリソースで時間内に推論タスクを完了する必要があるという課題に焦点を当てています。無線エッジネットワークにおける共同推論の問題を考察し、エネルギー制約を持つエッジデバイスが期限内に推論タスクを完遂することを目的としています。推論プロセスはエッジデバイスとエッジサーバーの間で分割され、共同推論が実現されます。エネルギーと遅延制約に基づいた推論ユーティリティの最適化問題を定式化し、無線エッジネットワークにおける共同分割推論のための新しいソリューション「Bayes-Split-Edge」を提案します。このフレームワークは、伝送電力とニューラルネットワークの分割点を共同で最適化し、推論タスクの効用やサンプル効率を考慮した新しいハイブリッド取得関数を採用しています。実験結果により、Bayes-Split-Edgeは従来のベイズ最適化と比較して最大2.4倍のコスト削減を達成し、いくつかのベースラインを上回る性能を示しました。