Redes de Petri aplicadas à otimização do treinamento de redes neurais distribuídas.

Abstract

Investiga-se neste trabalho a aplicação de Redes de Petri Dinâmicas como ferramenta de modelagem e simulação para otimização do treinamento distribuído de redes neurais pro- fundas. A abordagem proposta explora a capacidade das Redes de Petri em representar graficamente e matematicamente aspectos como paralelismo, sincronização, alocação de recursos e tolerância a falhas — elementos críticos em sistemas de aprendizado de máquina distribuído. Para isso, é apresentado um framework que utiliza Redes de Petri Coloridas e Temporizadas, permitindo a visualização da dinâmica do treinamento, identificação de gargalos e reconfiguração adaptativa do fluxo computacional. Adicionalmente, realiza-se uma análise comparativa entre diferentes simuladores de Redes de Petri, avaliando sua adequação para aplicações em sistemas computacionais complexos. Os resultados demons- tram ganhos significativos em eficiência, escalabilidade e resiliência durante o treinamento de modelos neurais em ambientes simulados de múltiplas GPUs