VideoMemML: Sistemas de memória baseados em aprendizagem de máquina para codecs de vídeo

Descrição

Este projeto de pesquisa propõe o desenvolvimento de sistemas de memória com o objetivo de aumentar a eficiência em consumo de energia para codecs de vídeos dos padrões mais recentes adotados pela comunidade acadêmica e comercial. O corpo do projeto detalha a relevância das aplicações de codificação de vídeo dentro do cenário internacional, destacando a importância de se otimizar o consumo de energia nos sistemas de memória nas implementações de ferramentas críticas, como forma de viabilizar e sustentar o avanço tecnológico nesta área. Serão exploradas oportunidades tecnológicas recentes relacionadas ao projeto de arquiteturas de memória de alta eficiência energética, como o (1) armazenamento aproximado, que se vale de aplicações resilientes para tolerar falhas no armazenamento dos dados em tecnologias que possibilitam acessos não confiáveis às informações, reduzindo a dissipação de potência; e o (2) processamento em memória, que se baseia em plataformas que integram elementos de processamento à camada lógica de memórias 3D-DRAM para reduzir o impacto da comunicação entre o processador e o armazenamento. Além disso, o projeto pretende propor soluções para o gerenciamento dinâmico dos sistemas de memória projetados, as quais adotarão modelos de aprendizado de máquina para aprimorar as tomadas de decisão, maximizando as reduções de consumo de energia e minimizando os impactos em perdas na eficiência de codificação. O projeto também apresenta diferentes aspectos da qualificação do coordenador da proposta, demonstrando a experiência e capacidade para coordenar e executar o projeto de forma qualificada. Além disso, o projeto apresenta as metas e os resultados esperados no decorrer da execução do projeto, os quais estão alinhados com interesses no âmbito nacional e internacional da comunidade científica e tecnológica, por meio da íntima relação com metas específicas definidas pelos Objetivos de Desenvolvimento Sustentável (ODS).