Novas abordagens para processamento de dados de IA descentralizado, federado e sustentável (RIA)

Resultado Esperado:

Espera-se que os resultados do projeto contribuam para o desenvolvimento de novas abordagens, ferramentas e técnicas que superem os obstáculos das técnicas atuais de computação de IA centralizadas: limites na disponibilidade de energia e capacidade de computação de IA em ambientes autônomos centralizados, disponibilidade limitada de tipos de chips de IA, qualidade e segurança dos dados e latência no processamento de dados de IA. O objetivo final é ajudar a superar os gargalos de capacidade de computação de IA da UE, oferecendo modelos de computação de IA descentralizados e sustentáveis alternativos que permitam a exploração de diversas arquiteturas de processamento de hardware e abordagens de escalonamento.

Escopo:

Este tópico foca em tecnologias e técnicas que permitem que o processamento de dados de IA aproveite recursos de computação distribuídos em todo o contínuo de computação em nuvem e de borda, ao longo de todo o ciclo de vida do modelo de IA, desde a coleta de dados, treinamento, ajuste fino e implantação. Para superar o estado da arte atual na área, as áreas de pesquisa consideradas incluem:

• Pesquisar arquiteturas de IA habilitadas para um “contínuo de computação” distribuído, descentralizado e federado, além do aprendizado federado e integrando ferramentas de compressão de modelo e novos mecanismos para permitir que o processamento de dados de IA seja dimensionado em múltiplas e diversas infraestruturas de computação.
• Desenvolvimento, implantação e operação de fluxos de trabalho de IA em infraestruturas heterogêneas e distribuídas ao longo do contínuo de computação (borda, nuvem, HPC), incluindo a possibilidade de incorporar paradigmas de computação inovadores (computação neuromórfica e quântica) e aprimoramentos de eficiência de hardware (por exemplo, incluindo computação na memória e aproximação de hardware e software).
• Novos métodos e técnicas para melhorar a disponibilidade e consistência dos dados para o processamento de dados de IA descentralizado. Estes consideram ferramentas para garantir a qualidade dos dados (por exemplo, prevenção de desequilíbrio ou inconsistência de conjuntos de dados em fontes de dados distribuídas), otimização de volume para transferências de dados entre ambientes e gerenciamento de dados distribuídos, tudo isso preservando a privacidade dos dados e prevenindo vazamentos de dados (por exemplo, por meio de proteção criptográfica avançada, como criptografia pós-quântica para resistência a ameaças quânticas emergentes).
• Novas ferramentas e mecanismos para medir, monitorar e melhorar a eficiência energética e a sustentabilidade de ponta a ponta do processamento de dados de IA em todo o contínuo de computação, incluindo a exploração das implicações de energia e sustentabilidade das arquiteturas de processamento de IA heterogêneas e seu impacto no design da infraestrutura de computação e na sustentabilidade a longo prazo.

As propostas de projetos bem-sucedidas devem apresentar os desenvolvimentos propostos em pelo menos dois casos de uso complementares em diferentes domínios. Esses casos de uso devem demonstrar o valor obtido e o impacto potencial das conquistas do projeto em situações do mundo real, bem como abordar aplicações e setores-chave críticos para a competitividade da Europa. Os casos de uso devem fornecer exemplos e cenários convincentes e atender à reprodutibilidade do valor agregado e do impacto dos resultados em setores econômicos adicionais.

null