Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Energy to solution optimization of large scale Deep Network Training workloads |
|---|---|
| Titolo del progetto di ricerca in inglese | Energy to solution optimization of large scale Deep Network Training workloads |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Electronic engineering |
| Settore Concorsuale | 01 - Scienze matematiche e informatiche |
| S.S.D | - |
| Descrizione sintetica in italiano | Studio di nuovi meccanismi per propagare al sistema operativo requisiti di prestazioni e di efficienza energetica dati dal framework per ottimizzare il calcolo in sistemi di elaborazione eterogenei. • studio e sviluppo di nuove estensioni per l'efficienza energetica in framework per machine learning. • Strategie di parallelizzazione per migliorare l'efficenza energetica in modelli e applicazioni di tipo big data. • studio e sviluppo di controlli di parallelismo e DVFS per applicazioni di tipo machine learning. • studio e sviluppo di meccanismi per la propagazione dei requisiti di efficenza dal framework al sistema operativo. • utilizzo e ottimizzazione di carichi di tipo deep network training in infrastrutture di calcolo eterogenee. • Prototipizzazione di queste metodologie nell'infrastruttura per il calcolo di CINECA. Il piano di ricerca coprirà gli obiettivi della collaborazione con CINECA, E4, oltre ad essere in linea con l’European Processor Initiative (WP1 e WP2). |
| Descrizione sintetica in inglese | The candidate will study novel mechanisms to propagate performance requirements, such as network training status, from the framework to the operating system in heterogeneous resources. These activities will be done in collaboration with CINECA. With more details the research plan focuses on: • Study and development of novel extensions to machine learning libraries for energy reduction. • Big data application modeling with target on energy-efficient parallelization strategies. • Study and development of DVFS and parallelism control which target machine learning systems. • Study and development of propagation mechanisms from the machine learning framework to the operating system. • Energy-efficient deep network training workloads in heterogeneous system. • Prototyping of these methodologies in the CINECA infrastructure. The research plan covers the objectives of the CINECA grant agreement, E4 collaboration grant and the European Processor Initiative WP1 and WP2. |
| Data del bando | 24/10/2018 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| 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://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI INGEGNERIA DELL'ENERGIA ELETTRICA E DELL'INFORMAZIONE "GUGLIELMO MARCONI" |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| a.villa@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 15/11/2018 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |