Transpräcies Edge Computing
Triton - Transprecise Edge Computing
Wissenschaftsdisziplinen
Andere Technische Wissenschaften (15%); Elektrotechnik, Elektronik, Informationstechnik (10%); Informatik (75%)
Keywords
-
Edge Computing,
Sustainable ICT,
Distributed Machine Learning,
Transprecision
Digitale Transformation führt zu disruptiven Veränderungen in unserem Leben. Tools wie ChatGPT und andere KI-Tools zeigen uns verschiedene Möglichkeiten von lebensverändernden Anwendungen, die uns automatisch Texte, Bilder und Videos generieren können. Weitere Anwendungen sind personalisiertes Lernen oder personalisierte Medizin oder Geowissenschaften, die zur Verhinderung oder zum Verständnis des Klimawandels eingesetzt werden. Alle diese Anwendungen erzeugen eine enorme Datenmenge und haben einen enormen Energieverbrauch, der für die Datenspeicherung, Datenverarbeitung, Datenübertragung oder Datenvisualisierung erforderlich ist. Bei immer mehr Anwendungen müssen Entscheidungen innerhalb von Sekundenbruchteilen getroffen werden, beispielsweise im Verkehrsmanagement oder in der virtuellen Realität, wo riesige Datenmengen in unterschiedlichen Formaten in der Nähe des Benutzers verarbeitet werden müssen. Endgeräte wie Virtual Reality Oculus sind nicht leistungsstark genug. Daher benötigen wir leistungsfähige Computer in der Nähe der Benutzer, z.B., direkt an der Ampel. Eine Lösung hierfür ist die Benutzung von sogenannte Mikro-Rechenzentren oder Edge-Knoten, bei denen es sich um Computer außerhalb von Rechenzentren handelt, die Berechnungen an Endgeräte somit übernehmen. Derzeit erfolgt die Berechnung am Edge nach dem best effort Prinzip ohne Garantien für Qualität oder Effizienz, was insbesondere bei zeitkritischen Anwendungen wie dem Verkehrsmanagement zu Problemen führen kann. In diesem Projekt entwickeln wir neuartige grundlegende Methoden und Werkzeuge für messbare, nachweisbare und programmierbare Energieeffizienz am Edge, die sogenannte Transpräzision. Diese Methoden der Transpräzision können dann während des Softwareentwicklungsprozesses (z. B. in Form eines Algorithmus) verwendet werden. Die Transpräzision Methoden, die in diesem Projekt entwickelt werden, werden in konkreten Anwendungsfällen demonstriert. Unser erster Anwendungsfall ist Augmented Reality (AR), das sehr strenge Latenzanforderungen hat, aber unterschiedlichen Arbeitsbelastungen ausgesetzt sein kann und auch klassische Verhaltensmuster wie Mobilität aufweist. Transpräzision hat das Potenzial, eine höhere Auslastung und Leistung zu geringeren Kosten zu erreichen, z. B., wenn nur die relevanten Teile des Videos auf nahegelegene Edge-Knoten heruntergeladen werden. Unser zweiter Anwendungsfall ist die intelligente Ampel in Kombination mit 5G/6G, ausgestattet mit Kameras, die kontinuierlich bestimmte Bereiche zur Objekterkennung beobachten. Transpräzision hat das Potenzial, eine relativ hohe Genauigkeit der Objekterkennung zu erreichen, obwohl die Menge der verarbeiteten Daten reduziert wird. Darüber hinaus demonstrieren wir unser Konzept der Transpräzision am Edge anhand hybrider Architekturen. Derzeit erleben wir eine neue Ära von Computersystemen, in der ein Teil der Berechnungen auf der klassischen Maschine durchgeführt wird, bestimmte Teile jedoch auf einer analogen Maschine wie z.B. Quantencomputern ausgeführt werden. Dadurch können wir Effizienzsteigerung um mehrere Größenordnungen erreichen. Die Verbindung beider Welten (klassisch und quantum) ist eine mühsame und komplizierte Aufgabe, die eine spezielle Verbindung von Geräten und Rechenanlagen erfordert, bei denen Edge-Computer eine entscheidende Rolle spielen.
- Technische Universität Wien - 100%
- Thomas Monz, Universität Innsbruck , nationale:r Kooperationspartner:in
- Holger Claussen, University College Cork - Irland
- Melike Erol-Kantarci, University of Ottawa - Kanada
- Einar Broch Johnson, University of Oslo - Norwegen
Research Output
- 4 Publikationen
-
2024
Titel FLIGAN DOI 10.1145/3642968.3654813 Typ Conference Proceeding Abstract Autor Maliakel P Seiten 1-6 -
2024
Titel The computing continuum: From IoT to the cloud DOI 10.1016/j.iot.2024.101272 Typ Journal Article Autor Al-Dulaimy A Journal Internet of Things Seiten 101272 Link Publikation -
2024
Titel Machine Learning Workflows in the Computing Continuum for Environmental Monitoring DOI 10.1007/978-3-031-63775-9_27 Typ Book Chapter Autor Catalfamo A Verlag Springer Nature Seiten 368-382 -
2023
Titel SymED: Adaptive and Online Symbolic Representation of Data on the Edge DOI 10.48550/arxiv.2309.03014 Typ Preprint Autor Hofstätter D