Università di Catania
Seguici su
Cerca

LIQUID_EDGE

Liquid edge computing based on distributed machine learning and millimeter-wave radio access
Classificazione: 
nazionali
Programma: 
PRIN 2017
Call / Bando: 
PRIN - PROGETTI DI RICERCA DI RILEVANTE INTERESSE NAZIONALE – Bando 2017
Settore ERC: 
Physical Sciences and Engineering
Ruolo Unict: 
Partner
Durata del progetto in mesi: 
42
Data inizio: 
Lunedì, 27 Gennaio 2020
Data fine: 
Lunedì, 31 Luglio 2023
Costo totale: 
€ 847.850,00
Quota Unict: 
€ 126.549,00
Coordinatore: 
Università degli Studi di ROMA “La Sapienza”
Responsabile/i per Unict: 
Sergio Palazzo
Dipartimenti e strutture coinvolte: 
Dipartimento di Ingegneria elettrica, elettronica e informatica
Altri partner: 

Università degli Studi di CASSINO, Università degli Studi di PERUGIA, Università degli Studi di PARMA

Abstract

L’obiettivo del progetto LIQUID_EDGE è fornire a dispositivi mobile servizi delay-sensitive, ovvero con requisiti di bassa latenza, attraverso (a) una strategia di efficiente orchestrazione dinamica delle risorse di calcolo, comunicazione e memorizzazione; (b) l’uso di innovative architetture di rete information-centric; (c) l’utilizzo di canali di trasmissione basati sulla tecnologia a onda millimetrica (mmWave). L’idea di base è portare le risorse di processamento, di comunicazione e di rete a un livello di granularità così spinto da offrire all’utente servizi continuativi con caratteristiche seamless, erogandole come se fossero liquido pervasivo. Ciò viene realizzato mediante un denso spiegamento di punti di accesso radio a onda millimetrica, associato all’utilizzo del paradigma di rete edge computing, e di tecniche di intelligenza artificiale nella orchestrazione di microservizi stateless e  di funzioni virtualizzate in ambiente unikernel. Il progetto si basa sulla interazione dinamica e sinergica dei seguenti fattori abilitanti: (i) interfacce wireless a onda millimetrica con accesso a canale multiplo (multi-link) e a tecnologie di accesso multipla (multi-RAT), in sistemi cell-free (ovvero avulsi dalla tipica architettura cellular degli attuali sistemi radiomobili); (ii) lo sviluppo di microservizi tale da frammentare i servizi su cloud in tante piccole funzioni che possono essere rapidamente distribuite, scaricate e trasferite grazie alla loro ridotta dimensione; (iii) l’ottimizzazione congiunta di risorse di calcolo, comunicazione e memorizzazione, realizzata in modo dinamico e proattivo grazie a tecniche di machine learning.