Banca de DEFESA: ANTÔNIO OLIVEIRA FILHO

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : ANTÔNIO OLIVEIRA FILHO
DATA : 03/09/2026
HORA: 10:30
LOCAL: Online
TÍTULO:

Phoeni6: uma abordagem sistemática para avaliar o consumo de energia de redes neurais

PALAVRAS-CHAVES:

Redes Neurais Profundas; Consumo de Energia; Comparação Justa; Reprodutibilidade de Resultados; Automação de Experimentos; Containerização; Orquestração; Phoeni6.

PÁGINAS: 102
RESUMO:

O crescimento da demanda computacional das redes neurais intensificou as preocupações com seu consumo de energia e impacto ambiental. Apesar dos avanços significativos em acurácia e desempenho, ainda são limitados os métodos sistemáticos para avaliação da eficiência energética. Esta tese apresenta o Phoeni6, um framework projetado para apoiar os princípios de comparação justa e reprodutibilidade de resultados em avaliações energéticas de redes neurais. O Phoeni6 integra uma arquitetura modular e conteinerizada, um sistema de gerenciamento de dados baseado em bancos NoSQL e uma metodologia que automatiza a configuração, execução e análise de experimentos em diferentes ambientes de hardware. Ao estruturar as avaliações por meio de modelos de dados padronizados e orquestrar tarefas via aplicações conteinerizadas, o framework assegura portabilidade, transparência e escalabilidade. Para validar a proposta, foram conduzidos experimentos com diferentes redes neurais em cenários variados de hardware, abrangendo desde arquiteturas clássicas até modelos modernos de alto desempenho. Os experimentos contemplaram múltiplos formatos de dados de entrada, técnicas de compressão de modelos e diferentes estratégias de execução, permitindo mensurar de forma detalhada o consumo energético em diversas condições. Os resultados obtidos evidenciam a capacidade do Phoeni6 de coletar, organizar e analisar grandes volumes de dados relacionados ao consumo de energia, oferecendo suporte à comparação entre modelos e dispositivos sob critérios padronizados. Além disso, demonstram que o framework possibilita correlacionar métricas de energia com indicadores de desempenho, como tempo de execução e acurácia, ampliando a compreensão dos compromissos envolvidos no uso de redes neurais em diferentes contextos. Esta pesquisa contribui para o avanço de práticas sustentáveis em inteligência artificial ao oferecer uma abordagem sistemática e reprodutível para experimentação com foco energético. Assim, o Phoeni6 consolida-se como uma ferramenta capaz para apoiar tanto investigações acadêmicas quanto aplicações industriais preocupadas com a eficiência energética e o impacto ambiental de modelos de aprendizado de máquina.

MEMBROS DA BANCA:
Presidente - 1673543 - SAMUEL XAVIER DE SOUZA
Externo à Instituição - CARLOS ALBERTO VALDERRAMA SAKUYAMA - UMONS
Externo à Instituição - JOÃO ALEXANDRE BAPTISTA VIEIRA SARAIVA - UMinho
Externo à Instituição - FRANCISCO CHAGAS DE LIMA JUNIOR - UERN
Externo à Instituição - LUCAS MELLO SCHNORR - UFRGS