Descrizione del progetto
Tecniche all’avanguardia per gestire l’enorme quantità di dati esistenti
L’attuale proliferazione di applicazioni ad alta intensità di dati mette a dura prova l’infrastruttura esistente, determinando inefficienze e una gestione non ottimale delle risorse. Gli approcci tradizionali non riescono a far fronte alla natura dinamica delle moderne esigenze informatiche, soprattutto negli ambienti edge e cloud, provocando una frammentazione che ostacola la scalabilità, l’elasticità e la portabilità e impedendo di conseguenza la continuità di funzionamento delle applicazioni distribuite. In questo contesto, il progetto ENACT, finanziato dall’UE, svilupperà un continuum di cognitive computing. Sfruttando modelli dinamici a grafo per visualizzare lo stato delle risorse in tempo reale, il progetto aiuta i modelli di intelligenza artificiale come le reti neurali a grafo e gli agenti di apprendimento profondo per rinforzo a suggerire le configurazioni di distribuzione ottimali. I progressi compiuti nell’ambito di ENACT aprono la strada allo sviluppo di motori decisionali intelligenti, rivoluzionando la gestione delle infrastrutture. Il progetto è inoltre pioniere di un modello di programmazione delle applicazioni che supporta applicazioni autodeterminanti per risorse diversificate.
Obiettivo
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.
Campo scientifico
- 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
Parole chiave
Programma(i)
Meccanismo di finanziamento
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinatore
57001 Thermi Thessaloniki
Grecia