Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

TED2021-130599A-I00

Financiado

Cerrado

ALGORITMOS DE SELECCION DE CARACTERISTICAS VERDES Y RAPIDOS

EL BIG DATA HA TRAIDO UN AUMENTO SIN PRECEDENTES EN EL VOLUMEN DE DATOS, DONDE LA INTELIGENCIA ARTIFICIAL (IA) Y EL APRENDIZAJE AUTOMATICO (AA) HAN ADOPTADO UN PAPEL CRUCIAL PARA DESCUBRIR DE MANERA EFICIENTE NUEVA INFORMACION Y C... ver más

01/01/2021

UDC

108K€

Presupuesto del proyecto: 108K€

Líder del proyecto

UNIVERSIDAD DE A CORUÑA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 88

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

UDC

Lider

Proyectos interesantes

TIN2015-65069-C2-1-R

Data Science

Software

131K€ Cerrado

PID2020-112495RB-C21

Data Science

Renewable Energ...

87K€ Cerrado

RTC-2017-6289-3

Data Science

Software

269K€ Cerrado

SLING

Software

Data Science

2M€ Cerrado

Green.Dat.AI

Data Science

Software

7M€ Cerrado

TED2021-131671B-I00

Data Science

Software

93K€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Líder del proyecto

UNIVERSIDAD DE A CORUÑA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 88

Presupuesto del proyecto 108K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto EL BIG DATA HA TRAIDO UN AUMENTO SIN PRECEDENTES EN EL VOLUMEN DE DATOS, DONDE LA INTELIGENCIA ARTIFICIAL (IA) Y EL APRENDIZAJE AUTOMATICO (AA) HAN ADOPTADO UN PAPEL CRUCIAL PARA DESCUBRIR DE MANERA EFICIENTE NUEVA INFORMACION Y CONOCIMIENTO. SIN EMBARGO, EL ENTRENAMIENTO DE ALGUNOS MODELOS DE AA, QUE NORMALMENTE SE REALIZA EN SERVIDORES EN LA NUBE, CONSUME GRANDES CANTIDADES DE ENERGIA ELECTRICA CON SUS EMISIONES DE CARBONO ASOCIADAS. UNA POSIBLE SOLUCION ES REALIZAR TODO EL APRENDIZAJE EN DISPOSITIVOS LOCALES ON THE EDGE, AUNQUE ESTOS SUELEN TENER UNA POTENCIA DE COMPUTO LIMITADA.SI BIEN SE HAN REALIZADO ALGUNAS INVESTIGACIONES PARA TRATAR DE HACER QUE LOS METODOS DE AA SEAN VERDES, SIGUE EXISTIENDO UNA BRECHA METODOLOGICA CLAVE: NO EXISTEN METODOS DE SELECCION DE CARACTERISTICAS (SC) VERDES. LA SC, EL PROCESO DE SELECCIONAR LAS CARACTERISTICAS RELEVANTES Y DESCARTAR LAS IRRELEVANTES, SE HA APLICADO CON EXITO EN LAS ULTIMAS DECADAS PARA REDUCIR LA DIMENSIONALIDAD DE LOS DATOS. EN PARTICULAR, HAY APLICACIONES EN LAS QUE ENCONTRAR LAS CARACTERISTICAS RELEVANTES ES TAN IMPORTANTE COMO UNA CLASIFICACION PRECISA: BIOINFORMATICA (P. EJ., PARA IDENTIFICAR ALGUNAS BIOMOLECULAS CLAVE QUE EXPLICAN LA MAYOR PARTE DE UN FENOTIPO OBSERVADO), IMPARCIALIDAD EN LA TOMA DE DECISIONES (P. EJ., PARA ENCONTRAR LAS CARACTERISTICAS DE ENTRADA UTILIZADAS EN EL PROCESO DE DECISION, EN LUGAR DE CENTRARSE EN LA EQUIDAD DE LOS RESULTADOS DE LA DECISION), O NANOTECNOLOGIA (P. EJ., PARA DETERMINAR LAS CONDICIONES EXPERIMENTALES Y LAS CARACTERISTICAS FISICOQUIMICAS MAS RELEVANTES QUE DEBEN TENERSE EN CUENTA EN LA EVALUACION DE RIESGOS DE LA NANOTOXICOLOGIA). DESCUBRIR LAS CARACTERISTICAS RELEVANTES PROPORCIONARA INFORMACION SOBRE EL SISTEMA SUBYACENTE, LO CUAL ES NECESARIO PARA IMPLEMENTAR EL DERECHO A LA EXPLICACION Y TRANSPARENCIA DE LOS SISTEMAS DE IA.ADEMAS, LA MAYORIA DE ALGORITMOS DE SC SE BASAN EN LA BUSQUEDA EN EL ESPACIO DE CARACTERISTICAS, QUE ES EXHAUSTIVA, COSTOSA Y REQUIERE MUCHO TIEMPO, POR LO QUE ACELERAR LA EJECUCION DE ESTE TIPO DE ALGORITMOS TAMBIEN ES UNA PRIORIDAD. SIN EMBARGO, ESTAS OPTIMIZACIONES REQUIEREN MUCHOS RECURSOS COMPUTACIONALES QUE DEMANDAN MILES DE HORAS DE GPU Y CPU (PRINCIPALMENTE EN SERVIDORES EN LA NUBE) Y SU CORRESPONDIENTE CONSUMO ENERGETICO. EN CONTRASTE CON ESTE PARADIGMA, LA COMPUTACION PORTATIL HA HECHO INCURSIONES EXITOSAS Y SIGNIFICATIVAS EN MUCHAS AREAS DE APLICACION. ESTOS DISPOSITIVOS (WEARABLES) SUELEN EMPLEARSE COMO SISTEMAS LOCALES Y TRABAJAN CON POCA POTENCIA DE CALCULO Y MEMORIAS PEQUEÑAS. RECIENTEMENTE SE ESTA PONIENDO MUCHO ENFASIS EN HACER QUE LOS ALGORITMOS DE APRENDIZAJE PROFUNDO SEAN EFICIENTES, AUNQUE LA MAYORIA DE LAS VECES NO ESTAN MOTIVADOS POR SER VERDES. CON RESPECTO A LA REDUCCION DEL CONSUMO DE ENERGIA EN SC, SOLO PODEMOS ENCONTRAR NUESTRO PROPIO TRABAJO EN EL QUE PRESENTAMOS UNA MEDIDA DE LA INFORMACION MUTUA EN PRECISION REDUCIDA APLICABLE A CUALQUIER METODO DE SC QUE LA USE INTERNAMENTE.NUESTRO OBJETIVO GENERAL ES UN CAMBIO DE PARADIGMA HACIA NUEVOS METODOS DE SC VERDES QUE PUEDAN FUNCIONAR EN DISPOSITIVOS DE BAJO CONSUMO. LA CLAVE PARA LOGRAR ESTE AVANCE ES LA INCLUSION DE ENFOQUES DE HPC, NO SOLO PARA HACER QUE LOS NUEVOS METODOS SEAN MAS EFICIENTES, SINO TAMBIEN MAS RAPIDOS Y ESCALABLES. LOS RESULTADOS DEL PROYECTO TENDRAN UN GRAN IMPACTO EN MULTITUD DE APLICACIONES EN LAS QUE LA INTERPRETACION Y LA COMPRENSION DEL MODELO SON PRIMORDIALES, DESDE LA MEDICINA HASTA LA NANOTECNOLOGIA ELECCION DE CARACTERISTICAS\PRECISION REDUCIDA\COMPUTACION DE ALTAS PRESTACIONES\APRENDIZAJE MAQUINA\ALGORITMOS VERDES

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores