Estrategias Híbridas de Offloading para Plataformas de Hardware Heterogêneo

• Processo: 25/03491-2
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de junho de 2025
• Data de Término da vigência: 30 de abril de 2029
• Área de conhecimento: Engenharias - Engenharia Elétrica - Telecomunicações
• Pesquisador responsável: Christian Rodolfo Esteve Rothenberg
• Beneficiário: Arthur de Jesus Simas
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Empresa: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação (FEEC)
• Vinculado ao auxílio: 21/00199-8 - Redes e serviços inteligentes rumo 2030 (SMARTNESS), AP.PCPE
• Assunto(s): Computação em nuvem Redes de computadores
• Palavra(s)-Chave do Pesquisador: Cloud Computing | Computation offloading | computer architecture | Hardware Platforms | Heterogeneous Hardware | Redes de Computadores

Resumo

A rápida diversificação das arquiteturas de hardware-desde CPUs tradicionais até aceleradores emergentes como SmartNICs (Smart Network Interface Cards), RISC-V e chips neuromórficos (por exemplo, Intel Loihi 2)-apresenta tanto oportunidades quanto desafios para infraestruturas programáveis de próxima geração. Embora essas arquiteturas prometam eficiência especializada, sua adoção isolada limita a escalabilidade e a sustentabilidade em plataformas heterogêneas. Este projeto propõe estudar estratégias híbridas aplicadas a aplicações altamente escaláveis, unificando diferentes arquiteturas em uma plataforma coesa, utilizando o Extended Berkeley Packet Filter (eBPF) como uma "cola" portátil para descarregar dinamicamente algoritmos de rede. Ao repensar como os algoritmos são mapeados para o hardware-como explorar SmartNICs para processamento de pacotes ou Loihi 2 para IA orientada a eventos-buscamos reduzir a pegada energética de sistemas em hiperescala, mantendo ou melhorando o desempenho, especialmente para cargas de trabalho de IA generativa e computação de borda.