Neue Ansätze für dezentrale, föderierte und nachhaltige KI-Datenverarbeitung (RIA)

Erwartetes Ergebnis:

Es wird erwartet, dass Projektergebnisse zur Entwicklung neuer Ansätze, Werkzeuge und Techniken beitragen, die die Hindernisse der heutigen zentralisierten KI-Rechentechniken überwinden: Grenzen bei der Verfügbarkeit von Energie und KI-Rechenkapazität in zentralisierten Standalone-Umgebungen, begrenzte Verfügbarkeit von KI-Chip-Typen, Datenqualität und -sicherheit sowie Latenz bei der KI-Datenverarbeitung. Das ultimative Ziel ist es, die Engpässe der EU bei der KI-Rechenkapazität zu überwinden, indem alternative dezentrale und nachhaltige KI-Rechenmodelle angeboten werden, die die Nutzung vielfältiger Hardware-Verarbeitungsarchitekturen und Skalierungsansätze ermöglichen.

Umfang:

Dieses Thema konzentriert sich auf Technologien und Techniken, die es der KI-Datenverarbeitung ermöglichen, verteilte Rechenressourcen über das Cloud- und Edge-Computing-Kontinuum während des gesamten Lebenszyklus des KI-Modells von der Datenerfassung, dem Training, der Feinabstimmung und der Bereitstellung zu nutzen. Um den heutigen Stand der Technik in diesem Bereich zu übertreffen, umfassen die betrachteten Forschungsbereiche:

• Forschung zu verteilten, dezentralen und föderierten „Compute Continuum“-fähigen KI-Architekturen jenseits des föderierten Lernens und die Integration von Modellkomprimierungswerkzeugen und neuen Mechanismen, um die Skalierung der KI-Datenverarbeitung über mehrere und vielfältige Recheninfrastrukturen hinweg zu ermöglichen.
• Entwicklung, Bereitstellung und Betrieb von KI-Workflows über heterogene und verteilte Infrastrukturen entlang des Compute Continuums (Edge, Cloud, HPC), einschließlich der Möglichkeit, innovative Computing-Paradigmen (neuromorphes und Quantencomputing) und Hardware-Effizienzverbesserungen (z. B. einschließlich In-Memory-Computing sowie Hardware- und Software-Approximation) zu integrieren.
• Neue Methoden und Techniken zur Verbesserung der Datenverfügbarkeit und -konsistenz für die dezentrale KI-Datenverarbeitung. Diese berücksichtigen Werkzeuge zur Sicherstellung der Datenqualität (z. B. Verhinderung von Ungleichgewichten oder Inkonsistenzen von Datensätzen über verteilte Datenquellen hinweg), Volumenoptimierung für Datenübertragungen zwischen Umgebungen und verteiltes Datenmanagement, alles unter Wahrung des Datenschutzes und Verhinderung von Datenlecks (z. B. durch fortgeschrittenen kryptografischen Schutz wie Post-Quanten-Kryptographie zur Widerstandsfähigkeit gegen aufkommende Quantenbedrohungen).
• Neue Werkzeuge und Mechanismen zur Messung, Überwachung und Verbesserung der End-to-End-Energieeffizienz und Nachhaltigkeit der KI-Datenverarbeitung über das Compute Continuum hinweg, einschließlich der Untersuchung der Energie- und Nachhaltigkeitsauswirkungen der heterogenen KI-Verarbeitungsarchitekturen und deren Einfluss auf das Design der Recheninfrastruktur und die langfristige Nachhaltigkeit.

Erfolgreiche Projektvorschläge sollten die vorgeschlagenen Entwicklungen in mindestens zwei komplementären Anwendungsfällen in verschiedenen Bereichen aufzeigen. Diese Anwendungsfälle sollten den gewonnenen Wert und die potenziellen Auswirkungen der Projektergebnisse in realen Situationen demonstrieren sowie Schlüsselanwendungen und Sektoren ansprechen, die für die Wettbewerbsfähigkeit Europas entscheidend sind. Anwendungsfälle sollten überzeugende Beispiele und Szenarien liefern und die Reproduzierbarkeit des Mehrwerts und der Auswirkungen der Ergebnisse in zusätzlichen Wirtschaftssektoren ermöglichen.

null

Es wird erwartet, dass die Aktivitäten bei TRL 3 beginnen und bis zum Ende des Projekts TRL 6-7 erreichen – siehe Allgemeiner Anhang B.