Учёные МГУ ускорили обучение систем управления вычислениями
Исследователи факультета вычислительной математики и кибернетики МГУ разработали подходы, сокращающие время обучения систем, управляющих распределением вычислительных задач в сети.
Работа посвящена планированию вычислений при изменяющейся нагрузке, в том числе в сетях с данными от устройств интернета вещей. Задачи в таких сетях поступают в непредсказуемые моменты, и нагрузку нужно динамически распределять между узлами. Ранее предложили подход на основе многоагентного обучения с подкреплением, но обучение таких систем требует значительных ресурсов — один запуск может занимать около десяти часов процессорного времени, а для подбора параметров нужно множество запусков.
Исследователи выявили основные затраты ресурсов и предложили решения — отказ от избыточного копирования данных и параллельное выполнение вычислений.
Время настройки удалось сократить до нескольких суток. Работа представлена на конференции «Ломоносовские чтения».
