תפוקה כפולה באותה החומרה

This post is also available in: English (אנגלית)

חוקרים מאוניברסיטת קליפורניה פיתחו שיטה להכפיל את כוח העיבוד של מכשירים קיימים ללא כל חידוש של חומרה, מה שיכול להפחית את צריכת האנרגיה של ההתקנים בחצי.

כל כלי מחשוב משתמש במגוון רכיבים ומערכות, כמו סוגים שונים של זיכרונות ומעבדים. בשנים האחרונות נראתה התקדמות משמעותית של AI ולמידת מכונה שהביאה איתם תוספת של מאיצי חומרה, יחידות עיבוד אותות ורכיבים אחרים. כל יחידה במכשירים האלה מעבדת מידע בנפרד ומעבירה אותו ליחידה הבאה, ותנועה זו של מידע מרכיבי רכיב אחד לשני יוצרת צוואר בקבוק המאריך את זמן העיבור ומגביר את צריכת האנרגיה.

הונג-ווי צנג, פרופסור להנדסת חשמל ומחשבים באוניברסיטת קליפורניה, פיתח גישה ניסיונית חדשה בשם SHMT (ריבוי תהליכונים הטרוגני סימולטני). גישה זו מטפלת בבעיה על ידי הסרת העיבוד הסקוונצלי של המידע ומאפשרת עיבוד סימולטני.

כאשר נבדקה באמצעות מעבד ARM מרובה ליבות, מעבד גרפי של Nvidia ומאיץ חומרה TPU, SHMT סיפק האצה של פי 1.96 במהירות העיבוד וצמצום של 51% בצריכת החשמל.

על פי Interesting Engineering, יש לגישת עיבוד המידע החדשנית הזאת השלכות עצומות. היא צפויה להכפיל את התפוקה של ההתקנים הזמינים כיום ללא צורך לשדרג את החומרה, שעד כה הייתה צריכה לקבל עדכונים פיזיים כל כמה זמן כדי לעמוד בקצב של הטכנולוגיות המתפתחות. כעת, שינוי באופן עיבוד הנתונים על המכשיר יוכל כמעט להכפיל  את מהירות המחשוב ולהאריך באופן משמעותי את חיי המכשיר.

גישה זו תחסוך כסף הן עבור משתמשים בודדים והן עבור חברות טכנולוגיה עם מרכזי נתונים מסיביים הצורכים כמויות עצומות של אנרגיה. סוכנות האנרגיה הבינלאומית מעריכה כי מרכזי הנתונים האלה צורכים כמעט אחוז שלם מהאנרגיה העולמית, מה שצפוי רק לגדול ככל שאנו נשענים על יותר ויותר טכנולוגיה בחיי היומיום.

יתר על כן, רוב המרכזים הללו מונעים על ידי דלק מאובנים (fossil fuel) מה שהופך אותם לתורמים מרכזיים לפליטות הפחמן העולמיות. SHMT יוכל להפחית בחצי את צריכת האנרגיה ולעזור להפחית משמעותית את פליטת הפחמן.

למרות שחדשנות זו עוד רחוקה משימוש מסחרי, היא מביאה איתה תקווה חדשה לעולם ההולך ונשען על יותר ויותר טכנולוגיה.