Optimització de l’Entrenament de Càrregues de Treball d’IA Distribuïdes en Sistemes de Computació Multi-node.

Optimització de l’Entrenament de Càrregues de Treball d’IA Distribuïdes en Sistemes de Computació Multi-node.

Descripció

Aquest projecte se centra en la millora de l'eficiència operativa dels Models de Llenguatge de Gran Escala (LLMs), els quals requereixen recursos computacionals massius. L'objectiu és desenvolupar un entorn de treball (framework) que identifiqui l'estratègia de paral·lelisme òptima per maximitzar el rendiment en l'entrenament distribuït. Mitjançant l'ús d'AstraSim i el seu generador sintètic d'LLMs, la recerca explora graus de paral·lelisme de dades, tensor, seqüència i canonada (pipeline). A més, s'integra un model de xarxa optimitzat que considera els efectes de la congestió per oferir recomanacions precises tant a investigadors d'IA com a enginyers de maquinari sobre compromisos de disseny (trade-offs) i colls d'ampolla.

Context

En Xavier és estudiant del Màster en Intel·ligència Artificial a la Universitat Politècnica de Catalunya (UPC) i graduat en Enginyeria de Dades per la Universitat Autònoma de Barcelona (UAB). Els seus interessos principals se situen en l'aprenentatge automàtic i la visió per computador. En l'àmbit professional, ha acumulat experiència com a Enginyer de Dades a Zurich Insurance, científic de dades a Bonàrea IT i desenvolupador de solucions de processament de documents amb IA a Serimag, dotant-lo d'una visió integral del cicle de vida de les dades, des de la infraestructura fins al desplegament de models.

Iniciativa

L'elecció d'aquesta recerca respon a la voluntat d'adquirir experiència en l'àmbit de la investigació abans de finalitzar els seus estudis universitaris, aplicant els coneixements pràctics previs des d'una perspectiva analítica. El motiva especialment la rellevància actual dels LLMs i el repte d'optimitzar-ne el temps d'entrenament i reduir-ne el consum energètic, factors clau per a la sostenibilitat dels sistemes d'IA moderns.

Investigador/a de Suport a la Recerca

Xavier Querol Bassols

Xavier Querol Bassols

Grau en Enginyeria de Dades i Màster en Intel·ligència Artificial

Organització

Supervisió

Sergi Abadal Cavalle

Supervisor UPC

El contingut d'aquest lloc web reflecteix únicament els punts de vista del projecte Catedra Chip Chair UPC.

Optimització del rendiment i eficiència energètica en l’entrenament de models grans d’IA

Sergi Tomas Martinez

Investigador/a de Suport a la Recerca

Marc de Recomanació Basat en Simulació per a l’Entrenament Escaçable d’IA Distribuïda

Tomas Gadea Alcaide

Investigador/a de Suport a la Recerca

Síntesi i Optimització de Circuits Nanoelectrònics mitjançant Mètodes Algorítmics i Matemàtics

Bernat Ibañez

Investigador/a de Suport a la Recerca

Encaminament Global d’Alta Predictibilitat durant el Floorplanning de Xips Complexos

Antoni Pech Alberich

Antoni Pech Alberich

Investigador/a de Suport a la Recerca

Tècniques d’Optimització Matemàtica per al Floorplanning Jeràrquic de Xips Complexos

Yilihamujiang Yimamu

Yilihamujiang Yimamu

Investigador/a Predoctoral

Desenvolupament d’una Eina Gràfica Interactiva per a l’Optimització i Edició de Floorplanning en Disseny de Xips

Nuria Elizondo Cereza

Nuria Elizondo Cereza

Investigador/a de Suport a la Recerca

Optimització de l’Entrenament de Càrregues de Treball d’IA Distribuïdes en Sistemes de Computació Multi-node

Mohammad Nasser

Mohammad Nasser

Investigador/a Predoctoral

Desenvolupament d’Eines d’Optimització Matemàtica i Heurístiques per al Floorplanning de Xips

Guillem Pastor Rué

Guillem Pastor Rué

Investigador/a de Suport a la Recerca

Sidecar Project

Despertar vocacions científiques i tecnològiques a les escoles i instituts

Últimes notícies

Llegiu les darreres novetats en recerca i les nostres activitats

This site is registered on wpml.org as a development site. Switch to a production site key to remove this banner.