Description du projet
Des techniques de pointe pour faire face au déluge de données
La prolifération actuelle d’applications gourmandes en données met à rude épreuve l’infrastructure existante, ce qui entraîne des inefficacités et une gestion sous-optimale des ressources. Les approches traditionnelles peinent à répondre à la nature dynamique des demandes de calcul modernes, en particulier dans les environnements en périphérie et en cloud. Cette fragmentation entrave l’évolutivité, la flexibilité et la portabilité, empêchant le fonctionnement homogène des applications distribuées. Dans ce contexte, le projet ENACT, financé par l’UE, développera un continuum d’informatique cognitive. Il exploite des modèles de graphes dynamiques pour visualiser l’état des ressources en temps réel, aidant les modèles d’IA tels que les réseaux neuronaux de graphes et les agents d’apprentissage par renforcement profond à suggérer des configurations de déploiement optimales. Ces progrès ouvrent la voie à la réalisation de moteurs de décision intelligents, qui révolutionneront la gestion des infrastructures. ENACT est également à l’origine d’un modèle de programmation d’applications permettant des applications autodéterminées pour diverses ressources.
Objectif
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.
Champ scientifique
- 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
Mots‑clés
Programme(s)
Régime de financement
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinateur
57001 Thermi Thessaloniki
Grèce