Projektbeschreibung
Datenflut mit modernsten Verfahren bewältigen
Die derzeitige Zunahme datenintensiver Anwendungen belastet die vorhandene Infrastruktur und führt zu Ineffizienz und suboptimaler Ressourcenverwaltung. Klassische Ansätze werden den dynamischen Anforderungen der modernen Datenverarbeitung nicht gerecht, insbesondere in Edge- und Cloud-Umgebungen. Diese Fragmentierung erschwert die Skalierbarkeit, Elastizität und Portabilität und behindert den nahtlosen Betrieb verteilter Anwendungen. In diesem Zusammenhang wird über das EU-finanzierte Projekt ENACT ein Kontinuum für kognitives Computing entwickelt. Es nutzt dynamische Graphenmodelle, um den Ressourcenstatus in Echtzeit zu visualisieren, und unterstützt KI-Modelle wie neuronale Graphennetze und Agenten für tiefes Verstärkungslernen bei der Erstellung von Vorschlägen für optimale Bereitstellungskonfigurationen. Diese Fortschritte bereiten den Weg für intelligente Entscheidungs-Engines, die das Infrastrukturmanagement revolutionieren. ENACT leistet auch Pionierarbeit bei einem Modell der Anwendungsprogrammierung, das selbstbestimmende Anwendungen für verschiedene Ressourcen unterstützt.
Ziel
ENACT develops cutting-edge techniques and technology solutions to realise a Cognitive Computing Continuum (CCC) that can address the needs for optimal (edge and Cloud) resource management and dynamic scaling, elasticity, and portability of hyper-distributed data-intensive applications. At infrastructure level, the project brings visibility to distributed edge and Cloud resources by developing Dynamic Graph Models capable of capturing and visualising the real-time and historic status information, connectivity types, dependencies, energy consumption etc. from diverse edge and Cloud resources. The graph models are used by AI (Graph Neural Networks - GNN) models and Deep Reinforcement Learning (DRL) agents to suggest the optimal deployment configurations for hyper distributed applications considering their specific needs. The AI (GNN and DRL) models are packaged as an intelligent decision-making engine that can replace the scheduling component of open-source solutions such as KubeEdge. This will enable real-time and predictive management of distributed infrastructure and applications. To take full advantage of the potential (compute, storage, energy efficiency etc) opportunities in the CCC, ENACT will develop an innovative Application Programming Model (APM). The APM will support the development of distributed platform agnostic applications, capable of self-determining their optimal deployment and optimal execution configurations while taking advantage of diverse resources in the CCC. An SDK to develop APM-based distributed applications will be developed. Moreover, services for automatic (zero-touch provisioning-based) resource configuration and (telemetry) data collections are developed to help design and update dynamic graph models. ENACT CCC solutions will be validated in 3 use-cases with challenging resource and application requirements. International collaboration is planned as Japan Productivity Center has committed to support with knowledge sharing.
Wissenschaftliches Gebiet
- natural sciencescomputer and information sciencesartificial intelligencemachine learningreinforcement learning
- social scienceseconomics and businesseconomicsproduction economicsproductivity
- natural sciencesmathematicspure mathematicsdiscrete mathematicsgraph theory
- natural sciencescomputer and information sciencesartificial intelligencecomputational intelligence
Schlüsselbegriffe
Programm/Programme
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-RIA - HORIZON Research and Innovation ActionsKoordinator
57001 Thermi Thessaloniki
Griechenland