"wnnParIO"
Período: 2023 -
Descrição: O projeto investiga impactos que as redes neurais sem peso têm no uso de aprendizado em grafos e como novos mecanismos de I/O paralela para aplicações do setor de utilidades como o SDDP. No contexto do aprendizado em grafos, faz parte do escopo deste projeto propor e avaliar novas arquiteturas para comparação com os métodos que representam o estado da arte (redes neurais profundas - graph neural networks - e métodos de kernel). Os impactos de melhorias no aprendizado em grafos na sociedade são promissores e viabilizam melhores e mais ágeis diagnósticos médicos, desenvolvimento de novos medicamentos e tratamentos, melhor recomendação de conteúdo, resolução de problemas lógicos e matemáticos não polinomiais, melhor aprendizado de máquina de forma geral. Já no contexto de melhorias em aplicações paralelas como SDDP (Stochastic Dual Dynamic Programming), o desafio é a escalabilidade eficiente de I/O em aplicações paralelas de dados massivos, especialmente em ambientes de computação de alto desempenho (HPC).
Pesquisadores: Diego Leonel Cadette Dutra (Coordenador, Professor).
Patrocinadores: