Bien que l'enthousiasme pour le cloud computing ne se soit pas estompé, des compléments aux services qu'il fournit se sont déjà pointés à l'horizon pour rapprocher certains aspects du "cloud" de l'utilisateur, ce que l'on appelle l'informatique de pointe. En rapprochant certaines ressources de l'ordinateur de l'utilisateur, l'informatique de pointe peut améliorer les performances et réduire le décalage, ou la latence, entre la commande de l'utilisateur et la réponse du système. Cependant, les demandes croissantes sur les services de pointe signifient que leur grande promesse pourrait ne pas être tenue dans un monde de plus en plus connecté et mobile.

Feilong Yu, Jing Li, Ming Zhu et Xiukun Yan du Collège d'informatique et de technologie de l'Université de technologie du Shandong à Zibo, en Chine, ont proposé un modèle de sélection de services pour les environnements cloud et edge computing. "Le modèle proposé combine l'algorithme d'optimisation de la mouette et l'algorithme de recuit simulé", explique l'équipe. L'algorithme de la mouette encode le comportement migratoire et d'attaque des goélands de telle manière qu'il peut être utilisé pour résoudre des problèmes tels que l'attribution et l'acheminement des ressources de calcul. L'utilisation de l'algorithme de recuit simulé en conjonction avec l'algorithme de la mouette aidera le système à éviter les problèmes de maximum local et de convergence prématurée, qui sont souvent le fléau des autres approches de problèmes similaires.

L'équipe a mené des expériences comparatives sur des ensembles de données simulées en se référant à d'autres modèles de sélection de services et a démontré que le modèle de sélection proposé améliore la QoS (Quality of Service) et nécessite moins d'itérations. Un tel coup de pouce à l'informatique de périphérie améliorera les performances des logiciels et des applications qui utilisent le traitement du langage naturel, la reconnaissance faciale et le traitement vidéo, qui sont tous ce que l'équipe décrit comme "sensibles aux délais et à forte demande".

L'étape suivante consiste à démontrer la preuve de principe avec une configuration réelle, puis à optimiser l'approche en termes de minimisation de la consommation d'énergie pour résoudre les problèmes de traitement des besoins en énergie, d'alimentation en veille et de fuite d'énergie. + Explorer plus loin

Le recuit quantique peut battre l'informatique classique dans des cas limités