GitHub - Jtr85/paper-os-neurale: Paper open source di Giacomo Giovetti su un sistema operativo neuro-adattivo per l'efficienza energetica. · GitHub
/" data-turbo-transient="true" />
Skip to content
Search or jump to...
Search code, repositories, users, issues, pull requests...
-->
Search
Clear
Search syntax tips
Provide feedback
--><br>We read every piece of feedback, and take your input very seriously.
Include my email address so I can be contacted
Cancel
Submit feedback
Saved searches
Use saved searches to filter your results more quickly
-->
Name
Query
To see all available qualifiers, see our documentation.
Cancel
Create saved search
Sign in
/;ref_cta:Sign up;ref_loc:header logged out"}"<br>Sign up
Appearance settings
Resetting focus
You signed in with another tab or window. Reload to refresh your session.<br>You signed out in another tab or window. Reload to refresh your session.<br>You switched accounts on another tab or window. Reload to refresh your session.
Dismiss alert
{{ message }}
Jtr85
paper-os-neurale
Public
Notifications<br>You must be signed in to change notification settings
Fork
Star
main
BranchesTags
Go to file
CodeOpen more actions menu
Folders and files<br>NameNameLast commit message<br>Last commit date<br>Latest commit
History<br>4 Commits<br>4 Commits
prototype
prototype
.gitignore
.gitignore
CITATION.cff
CITATION.cff
LICENSE
LICENSE
LICENSE-CODE
LICENSE-CODE
LICENSE-DOCS
LICENSE-DOCS
PUBLISHING.md
PUBLISHING.md
README.md
README.md
REPORT-UPDATE.md
REPORT-UPDATE.md
index.html
index.html
paper-os-neurale.html
paper-os-neurale.html
View all files
Repository files navigation
Sistema operativo neuro-adattivo per l'efficienza energetica
Autore: Giacomo Giovetti
Paper concettuale su un'architettura di sistema operativo che usa modelli neurali per ridurre il consumo energetico lungo l'intera catena di esecuzione, dal livello macchina fino al controllo di un braccio robotico.
Contenuto
index.html: versione principale del paper, adatta anche come pagina iniziale del repository
paper-os-neurale.html: copia del paper con il nome originale
prototype/: primo prototipo eseguibile in Python
LICENSE, LICENSE-CODE, LICENSE-DOCS: struttura di licenza per apertura permanente
CITATION.cff: metadati di citazione del progetto
Idea centrale
La proposta parte da un principio semplice: un sistema operativo non dovrebbe mantenere attivo un insieme ampio e generico di moduli quando il task corrente ne richiede solo una parte.
L'architettura descritta nel paper introduce un controllore neurale che osserva il contesto, prevede il working set funzionale necessario e suggerisce al kernel quali componenti tenere attivi, pre-caricare o sospendere. Lo stesso metodo viene esteso a un livello di sicurezza complementare, che attesta il percorso esecutivo del task con descrizioni canoniche e path token verificabili.
Stato del lavoro
Questo repository contiene una proposta architetturale formalizzata .
Il testo è pensato come base di ricerca e di discussione tecnica, non come dimostrazione empirica già conclusa.
Al momento il repository contiene soprattutto documentazione e paper , ma ora include anche un primo prototipo eseguibile che simula il confronto tra una baseline statica e una policy neuro-adattiva.
Corroborazione attuale
I benchmark interni eseguiti finora portano a una conclusione sobria ma importante: la semplicità architetturale conta più dell'aumento continuo di complessità.
In sintesi:
v1 ha mostrato che l'idea è simulabile
v2 è emersa come versione più robusta nel compromesso complessivo
v3 ha introdotto un apprendimento utile, ma non sempre stabile fuori dai casi favorevoli
v4 ha dato un miglioramento solo marginale
v5-v8 non hanno prodotto vantaggi netti nel benchmark neutrale
nel benchmark ostile, molte versioni più sofisticate hanno peggiorato energia, latenza e affidabilità
La conclusione provvisoria del progetto è quindi questa: oltre un certo punto, migliorare il codice aggiungendo solo sofisticazione del modello non produce un avanzamento reale; può invece aumentare fragilità e costo operativo .
In particolare, il paper:
definisce il problema energetico in termini di mismatch tra sistema attivo e task reale
propone un'architettura a strati dal livello macchina al controllo robotico
colloca l'idea rispetto a Energy Aware Scheduling, seL4, Unikraft, ROS 2 e controllori ML per l'efficienza energetica
specifica un protocollo di backtest e validazione sperimentale
Come leggerlo
Apri direttamente index.html in un browser.
Se vuoi servirlo in locale:
python3 -m http.server 8000
Poi visita http://localhost:8000/.
Come provarlo
Per eseguire il primo prototipo:
python3 prototype/simulate.py
Per una simulazione esplicita con export JSON:
python3 prototype/simulate.py \<br>--scenario prototype/scenarios/default_workload.json \<br>--repeat 10 \<br>--seed 42 \<br>--export-json prototype/results.json
Pubblicazione su GitHub
Questa cartella è già...