Atualmente, estou pesquisando para o meu próximo projeto. Isso está em uma fase de pré-planejamento, portanto, esta questão é apenas para obter uma visão geral da tecnologia existente.

Configuração

Eu tenho um gráfico acíclico direcionado (DAG) com várias entradas e saídas, acho que a rede neuronal artificial por enquanto:

A maneira comum de processar essa estrutura é processar toda a rede em cada etapa (de tempo). Eu acredito que é o método usado por bibliotecas frp comonetwire.

Agora, estou na posição privilegiada de ter um fluxo de eventos em que cada um apresenta a mudança de1 dos nós de entrada. A idéia é que eu provavelmente não precise pisar em cada nó da rede se souber estaticamente que uma determinada alteração afetará apenas uma parte dela.

Exemplo

Na imagem acima 5, 7 e 3 são entradas, 11 e 8 são 'ocultas' e 2, 9 e 10 são nós de saída. Uma alteração no nó 5 afetará apenas o nó 11 e, com efeito, os nós 2, 9 e 10. Não precisarei processar os nós 7, 3 e 8.

O objetivo

Processe esse tipo de rede com a menor latência possível. O tamanho dos gráficos provavelmente alcançará até 100k nós, com uma quantidade moderada de cálculo sendo feita por nó.

O plano

Espero que alguém avance e anuncie a biblioteca X que apenas faz o trabalho.

Caso contrário, meu plano atual é derivar um cálculo por nó de entrada da descrição do gráfico. Provavelmente vou usar oPar mônada, para que eu não tenha que lidar com dependências de dados e ainda me beneficiar de máquinas multicore.

As questõesExiste alguma biblioteca por aí que apenas faça o que eu preciso?É meuPar plano viável? Quanto isso depende da quantidade de processamento necessária em cada nó?