Μια νέα προσέγγιση στην πληροφορική θα μπορούσε να διπλασιάσει την ταχύτητα επεξεργασίας συσκευών όπως τα τηλέφωνα ή οι φορητοί υπολογιστές χωρίς να χρειάζεται να αντικατασταθεί κανένα από τα υπάρχοντα εξαρτήματα.
Οι σύγχρονες συσκευές είναι εξοπλισμένες με διαφορετικά τσιπ που χειρίζονται διάφορους τύπους επεξεργασίας. Παράλληλα με την κεντρική μονάδα επεξεργασίας (CPU), οι συσκευές διαθέτουν μονάδες επεξεργασίας γραφικών (GPU), επιταχυντές υλικού για φόρτους εργασίας τεχνητής νοημοσύνης (AI) και μονάδες ψηφιακής επεξεργασίας σήματος για την επεξεργασία ηχητικών σημάτων.
Ωστόσο, λόγω των συμβατικών μοντέλων εκτέλεσης προγραμμάτων, τα στοιχεία αυτά επεξεργάζονται τα δεδομένα ενός προγράμματος ξεχωριστά και διαδοχικά, γεγονός που επιβραδύνει τους χρόνους επεξεργασίας.
Μια νέα προσέγγιση στην πληροφορική θα μπορούσε να διπλασιάσει την ταχύτητα επεξεργασίας συσκευών όπως τα τηλέφωνα ή οι φορητοί υπολογιστές, χωρίς να χρειάζεται να αντικατασταθεί κανένα από τα υπάρχοντα εξαρτήματα.
Οι σύγχρονες συσκευές είναι εξοπλισμένες με διαφορετικά τσιπ που χειρίζονται διάφορους τύπους επεξεργασίας. Παράλληλα με την κεντρική μονάδα επεξεργασίας (CPU), οι συσκευές διαθέτουν μονάδες επεξεργασίας γραφικών (GPU), επιταχυντές υλικού για φόρτους εργασίας τεχνητής νοημοσύνης (AI) και μονάδες ψηφιακής επεξεργασίας σήματος για την επεξεργασία ηχητικών σημάτων.
Ωστόσο, λόγω των συμβατικών μοντέλων εκτέλεσης προγραμμάτων, τα στοιχεία αυτά επεξεργάζονται τα δεδομένα ενός προγράμματος ξεχωριστά και διαδοχικά, γεγονός που επιβραδύνει τους χρόνους επεξεργασίας.
Μια άλλη μέθοδος που χρησιμοποιείται συνήθως για την επίλυση αυτής της συμφόρησης είναι γνωστή ως “διοχέτευση λογισμικού” (software pipelining) και επιταχύνει τα πράγματα αφήνοντας διαφορετικά στοιχεία να εργάζονται ταυτόχρονα σε διαφορετικές εργασίες, αντί να περιμένουν να τελειώσει ένας επεξεργαστής πριν αρχίσει να λειτουργεί ο άλλος.
Ωστόσο, στην αγωγιμοποίηση λογισμικού, μια ενιαία εργασία δεν μπορεί ποτέ να κατανεμηθεί μεταξύ διαφορετικών στοιχείων. Αυτό δεν ισχύει για την SHMT, η οποία επιτρέπει σε διαφορετικές μονάδες επεξεργασίας να εργάζονται ταυτόχρονα στην ίδια περιοχή κώδικα, ενώ παράλληλα τις αφήνει να αναλάβουν και νέους φόρτους εργασίας μόλις ολοκληρώσουν το έργο τους.
“Δεν χρειάζεται να προσθέσετε νέους επεξεργαστές επειδή τους έχετε ήδη”, δήλωσε ο επικεφαλής συγγραφέας Hung-Wei Tseng, αναπληρωτής καθηγητής Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών στο Πανεπιστήμιο της Καλιφόρνιας στο Riverside.
Οι επιστήμονες εφάρμοσαν το SHMT σε ένα πρωτότυπο σύστημα που κατασκεύασαν με μια πολυπύρηνη CPU ARM, μια GPU της Nvidia και έναν επιταχυντή υλικού tensor processing unit (TPU). Σε δοκιμές, εκτελούσε εργασίες 1,95 φορές ταχύτερα και κατανάλωνε 51% λιγότερη ενέργεια από ένα σύστημα που λειτουργούσε με τον συμβατικό τρόπο.
Το SHMT είναι επίσης πιο αποδοτικό ενεργειακά, επειδή μεγάλο μέρος των εργασιών που κανονικά διεκπεραιώνονται αποκλειστικά από πιο ενεργοβόρα εξαρτήματα – όπως η GPU – μπορεί να μεταφερθεί σε επιταχυντές υλικού χαμηλής κατανάλωσης ενέργειας.
Εάν αυτό το πλαίσιο λογισμικού εφαρμοστεί σε υπάρχοντα συστήματα, θα μπορούσε να μειώσει το κόστος του υλικού, ενώ παράλληλα θα μειώσει τις εκπομπές διοξειδίου του άνθρακα, υποστήριξαν οι επιστήμονες, επειδή χρειάζεται λιγότερος χρόνος για να χειριστεί κανείς τα φορτία εργασίας χρησιμοποιώντας πιο ενεργειακά αποδοτικά εξαρτήματα. Θα μπορούσε επίσης να μειώσει τη ζήτηση γλυκού νερού για την ψύξη των τεράστιων κέντρων δεδομένων – αν η τεχνολογία χρησιμοποιηθεί σε μεγαλύτερα συστήματα.
Ωστόσο, η μελέτη ήταν απλώς μια επίδειξη ενός πρωτότυπου συστήματος. Οι ερευνητές προειδοποίησαν ότι απαιτείται περαιτέρω εργασία για να καθοριστεί πώς ένα τέτοιο μοντέλο μπορεί να εφαρμοστεί σε πρακτικά περιβάλλοντα και ποιες περιπτώσεις χρήσης ή εφαρμογές θα ωφελήσει περισσότερο.