Opis projektu
Skalowalny, bezpieczny system, który pozwala na wykorzystanie sztucznej inteligencji z akceleracją sprzętową
Wszędzie wokół nas gromadzi się dane – z niezliczonych źródeł i w gwałtownie rosnących ilościach. Wyzwaniem wciąż pozostaje jednak wydobywanie z danych cennej wiedzy i informacji o wartości komercyjnej. Potrzebne są do tego nowe metody, strategie i paradygmaty projektowe w obszarze uczenia maszynowego, analizy i zarządzania danymi. W ramach finansowanego przez UE projektu EVEREST opracowywane jest holistyczne podejście do zespołowego projektowania obliczeń i komunikacji w heterogenicznym, rozproszonym, skalowalnym i bezpiecznym systemie do intensywnej analizy dużych zbiorów danych. Podejście to poprawi programowalność heterogenicznych i rozproszonych architektur dzięki zastosowaniu strategii projektowej bazującej na danych i wykorzystaniu sztucznej inteligencji z akceleracją sprzętową oraz zunifikowanego paradygmatu sprzętowo-programowego. Uczestnicy projektu zweryfikują swoje podejście, wdrażając je w rzeczywistych zastosowaniach biznesowych, w tym w modelu predykcyjnym opartym na analizie pogody i środowisku do modelowania ruchu w inteligentnych miastach.
Cel
The distributed and heterogeneous nature of the data sources in High Performance Big Data Analytics (HPDA) applications, as well as the required computational power, is pushing designers towards novel computing systems that combine HPC, Cloud, and IoT solutions (for efficient and distributed computation closer to the data) with Artificial Intelligence (AI) algorithms (for knowledge extraction and decision making).
In this context, the EVEREST project addresses the matching problem between application (and data) requirements, and the characteristics of the underlying heterogeneous hardware. Only an optimal match leads to efficient computation. In particular, we forecast that the creation of future Big Data systems will be of course data-driven, but also featuring complex heterogeneous and reconfigurable architectures that must be redesigned or customized based on the nature and locality of the data, and the type of learning/decisions to be performed.
The EVEREST project aims at developing a holistic approach for co-designing computation and communication in a heterogeneous, distributed, scalable and secure system for HPDA. This is achieved by simplifying the programmability of heterogeneous and distributed architectures through a “data-driven” design approach, the use of hardware-accelerated AI, and through an efficient monitoring of the execution with a unified hardware/software paradigm. EVEREST proposes a design environment that combines state-of-the-art, stable programming models, and emerging communication standards, with novel and dedicated domain-specific extensions.
Three industry-relevant application scenarios are used to validate the EVEREST approach and act as business cases for the project exploitation: (i) a weather analysis-based prediction model for the renewable energy trading market, (ii) an application for air-quality monitoring of industrial sites, and (iii) a real-time traffic modeling framework for intelligent transportation in smart cities.
Dziedzina nauki
- natural sciencescomputer and information sciencesartificial intelligence
- engineering and technologycivil engineeringurban engineeringsmart cities
- natural sciencescomputer and information sciencesinternetinternet of things
- engineering and technologyenvironmental engineeringenergy and fuelsrenewable energy
- natural sciencescomputer and information sciencesdata sciencebig data
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-ICT-2020-1
System finansowania
RIA - Research and Innovation actionKoordynator
8803 Rueschlikon
Szwajcaria