A tudósok bemutatták az általuk „szimultán és heterogén többszálú futás” néven ismertetett módszert, amely megduplázza jelenlegi hardverek számítási sebességét.
Tseng kifejtette, hogy a mai számítógépes eszközökben egyre gyakrabban vannak alapvető összetevőként grafikus feldolgozóegységek (GPU-k), a mesterséges intelligencia (MI) és a gépi tanulás (ML) hardveres gyorsítói vagy digitális jelfeldolgozó egységek. Ezek a komponensek külön-külön dolgozzák fel az információkat az egyik feldolgozóegységről a másikra mozgatva, ami valójában szűk keresztmetszetet hoz létre.
Tseng és Kuan-Chieh Hsu, az UCR végzős informatika hallgatója tanulmányukban bemutatják a javasolt SHMT keretrendszer kifejlesztését egy beágyazott rendszerplatformon, amely egyidejűleg használ egy többmagos ARM processzort, egy Nvidia GPU-t és egy Tensor Processing Unit hardvergyorsítót.
„A rendszer 1,96-szoros gyorsulást, illetve 51 százalékos energiafogyasztás-csökkenést ért el. Nincs szükség új processzora, a meglevők működnek. A következmények óriásiak”,
mondta Tseng.
A meglévő feldolgozó komponensek egyidejű felhasználása csökkentheti a számítógépes hardverek költségeit, miközben a raktárméretű adatfeldolgozó központokban a szerverek működéséhez szükséges energia előállításából származó CO2-kibocsátás is csökkenhet. Csökkenthetné a szerverek hűtésének vízigényét is.
Tseng tanulmánya azonban figyelmeztet arra, hogy további vizsgálatokra van szükség többek között a rendszer megvalósításával, a hardvertámogatással, a kódoptimalizálással és azzal kapcsolatos számos kérdés megválaszolásához, hogy milyen alkalmazások profitálnak a leginkább ebből.
| A tanulmányt a Torontóban októberben megrendezett 56., éves IEEE/ACM Nemzetközi Mikroarchitektúra Szimpóziumon mutatták be. A tanulmány elismerést kapott Tseng kollégáitól az Institute of Electrical and Electronics Engineers (IEEE) szakmai szervezetben, akik beválasztották a dolgozatot a csoport „Top Picks from the Computer Architecture Conferences” című nyáron megjelenő kiadványába kiemelt 12 tanulmány közé. |
(forrás)








