| Processo: | 23/00566-6 |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Data de Início da vigência: | 01 de janeiro de 2024 |
| Data de Término da vigência: | 31 de março de 2026 |
| Área do conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação |
| Acordo de Cooperação: | MCTI/MC |
| Pesquisador responsável: | Hermes Senger |
| Beneficiário: | Hermes Senger |
| Instituição Sede: | Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil |
| Bolsa(s) vinculada(s): | 24/06091-2 - Desenvolvimento de estratégias otimizadas para processamento de dados embarcados auxiliados por computação de borda., BP.TT |
| Assunto(s): | Computação distribuída |
| Palavra(s)-Chave do Pesquisador: | edge computing | Machine learning applications | Computação distribuída |
Resumo
A computação de borda (edge Computing) é um paradigma que permite o desenvolvimento de tecnologias como a Internet das Coisas (IoT), 5G, jogos online, realidade aumentada, comunicações entre veículos, redes inteligentes para distribuição de energia, e análise de vídeo em tempo real, entre outras.Nesses cenários, uma tendência notável é a crescente adoção de técnicas de Inteligência Artificial (IA) e de Aprendizado de Máquina (AM) para executar tarefas como classificação de dados, filtragem de spam, detecção de anomalias no tráfego de rede para segurança cibernética, classificação e segmentação de imagens em tempo real, aplicativos de suporte à direção, veículos autônomos e muitos outros. Muitas dessas aplicações precisam fazer o processamento online de fluxos de dados contínuos, praticamente em tempo-real.A computação de borda oferece a oportunidade de mover a execução de muitas operações de IA e AM para a borda da rede, mais próximo dos usuários, aplicativos e fontes de dados. Vários estudos estimam que o consumo de energia elétrica das tecnologias de informação e comunicação superou 14% do consumo mundial em 2018. Além disso, essa demanda vem crescendo ao redor de 6 a 8% por ano, devendo ultrapassar a 20% do consumo mundial em 2030, em uma estimativa não pessimista. Portanto, é urgente desenvolver tecnologias e aplicações que sejam energeticamente mais eficientes.Neste projeto, desenvolveremos novas estratégias para execução de operações de IA e AM voltadas ao processamento de fluxos de dados, utilizando dispositivos e recursos que estão disponíveis na borda. As estratégias de escalonamento de tarefas deverão ter como objetivo otimizar aspectos como: (1) reduzir latências de processamento, tornando as aplicações mais escaláveis, (2) otimizar a eficiência energética das operações, e (3) reduzir os custos financeiros das operações. (AU)
| Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio: |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |