Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | AI-based Predictive Modelling and Optimization for Sustainable High-Performance Computing |
|---|---|
| Titolo del progetto di ricerca in inglese | AI-based Predictive Modelling and Optimization for Sustainable High-Performance Computing |
| Settore Concorsuale | 01 - Scienze matematiche e informatiche |
| S.S.D | - |
| Descrizione sintetica in italiano | I sistemi di High-Performance Computing (HPC) svolgono un ruolo fondamentale nell'assistere i progressi scientifici in diversi ambiti, dagli studi epidemiologici alla scienza del clima. Con la crescita esponenziale delle richieste computazionali, è essenziale affrontare l'impatto ambientale legato all'impronta di carbonio e al consumo energetico dei sistemi. Una soluzione efficace consiste nello sviluppare e integrare tecniche basate sull'intelligenza artificiale per abilitare strategie automatizzate sulla gestione del workload del sistema. Modelli avanzati di machine learning combinati con strumenti di natural language processing, insieme ad algoritmi di ottimizzazione, possono essere impiegati per prevedere le caratteristiche del workload del sistema e adattare dinamicamente la gestione del workload in tempo reale. Tale soluzione ha il potenziale per ottimizzare contemporaneamente il throughput e l'impatto ambientale del sistema. |
| Descrizione sintetica in inglese | High-Performance Computing (HPC) systems play a pivotal role in assisting scientific advancements in several domains, from epidemiological study to climate science. With the exponential growth in computational demands, it is fundamental to address environmental concerns related to the system carbon footprint and energy consumption. An effective solution is to develop and integrate artificial intelligence-based techniques to enable automated strategies tailored at the workload level. State-of-the-art machine learning models enriched with natural language processing tools together with constraint optimization algorithms can be employed to predict workload and system characteristics, and dynamically adapt system workload management in real-time. Such a solution has the potential to optimize simultaneously the system throughput and the environmental impact. |
| Data del bando | 07/11/2024 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI INFORMATICA - SCIENZA E INGEGNERIA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| zeynep.kiziltan@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | HE |
|---|
| Data di scadenza del bando | 24/11/2024 |
|---|---|
| Come candidarsi | Other |