Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

EDGELM: Efficient and Privacy-Preserving Edge Deployment of Multimodal Large Models

Descripción del proyecto

Grandes modelos multimodales seguros y sostenibles en el borde de la red

Los servicios de inteligencia artificial generativa (IAG) suelen depender de nubes centralizadas, lo que plantea retos en materia de privacidad de los datos, consumo energético y velocidad de respuesta. Con el apoyo de las Acciones Marie Skłodowska-Curie, el equipo del proyecto EDGELM pretende abordar estas cuestiones mediante el desarrollo de un marco para adaptar e implementar modelos multimodales de gran tamaño en infraestructuras periféricas heterogéneas. Mediante el uso del aprendizaje por refuerzo y el aprendizaje federado, en el proyecto se facilitará una gestión eficiente de los recursos y la adaptación de modelos que preserve la privacidad en diversos entornos locales. En EDGELM también se explorarán métodos de entrenamiento potenciados por la computación cuántica y validará el marco en entornos sanitarios sensibles para garantizar el cumplimiento de los principios éticos. En última instancia, en el proyecto se intenta establecer una hoja de ruta para una IAG sostenible y que respete la privacidad en Europa, lo que acelerará la transición de la dependencia centralizada de la nube hacia una inteligencia en el borde segura y eficiente.

Objetivo

Large models (LMs) powering generative Artificial Intelligence (AI) services are typically hosted in centralized cloud infrastructures. This paradigm introduces significant challenges related to data sovereignty, privacy protection, energy consumption, and transmission latency, severely restricting their suitability for real-time, privacy-sensitive applications. Despite recent advances, current solutions for LM compression and edge deployment remain insufficiently adaptive to heterogeneous hardware distributions, diverse multimodal model requirements, and practical deployment constraints.
The EDGELM project directly addresses these gaps by developing a context-aware, AI-driven framework that tailors LM compression strategies to heterogeneous edge-resource distributions, modality-specific compression characteristics, and application-specific accuracy constraints. Complementing this framework, an adaptive reinforcement-learning-assisted orchestration solution will be designed to optimize model cooperation and resource allocation, thereby improving inference latency and energy efficiency. Furthermore, EDGELM will integrate hybrid quantum-classical fine-tuning methods and federated learning techniques to augment model expressiveness and training efficiency within limited resource budgets. EDGELM’s practical effectiveness will be validated through real-world deployment in a privacy-sensitive healthcare scenario, ensuring compliance with data protection and ethical standards, while evaluating user acceptance and trust with expert psychological insights.
Supported by advanced edge-computing and quantum computing facilities at Politecnico di Torino, industrial expertise from Nextworks, and clinical input from healthcare partners, EDGELM will establish a robust methodology and practical roadmap for broader deployment of multimodal LMs at the network edge. This initiative supports Europe's transition toward privacy-compliant, sustainable, and efficient generative AI services.

Ámbito científico (EuroSciVoc)

CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..

Para utilizar esta función, debe iniciar sesión o registrarse

Palabras clave

Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) HORIZON-MSCA-2025-PF

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

POLITECNICO DI TORINO
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 193 643,28
Dirección
CORSO DUCA DEGLI ABRUZZI 24
10129 Torino
Italia

Ver en el mapa

Región
Nord-Ovest Piemonte Torino
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

Sin datos

Socios (1)