Bilgisayarların Hızını İki Katına Çıkarabilecek Yeni Bir Yöntem
Bir araştırmacı, bilgisayarların performansını ek donanım maliyeti gerektirmeden potansiyel olarak iki katına çıkarabilecek devrim niteliğinde bir yaklaşım geliştirdiğini öne sürdü. Bu yenilikçi yöntem, Eşzamanlı ve Heterojen Çoklu İş Parçacığı (SHMT) olarak adlandırılıyor ve UC Riverside elektrik ve bilgisayar mühendisliği doçenti Hung-Wei Tseng ile bilgisayar bilimleri yüksek lisans öğrencisi Kuan-Chieh Hsu tarafından ortaklaşa yazılan bir makalede detaylandırılmıştır.
SHMT çerçevesi, çok çekirdekli bir ARM işlemci, bir NVIDIA GPU ve bir Tensor İşlem Birimi donanım hızlandırıcısını aynı anda kullanabilen gömülü bir sistem platformu üzerinde çalışmaktadır. Yapılan testler, bu sistemin 1,96 kat hızlanma ve enerji tüketiminde %51 azalma sağladığını göstermiştir.
Tseng, modern bilgisayar cihazlarının, GPU’ları, giderek artan yapay zeka (AI) ve makine öğrenimi (ML) uygulamaları için donanım hızlandırıcıları veya dijital sinyal işlemcilerini (DSP) temel bileşenler olarak entegre ettiğini belirtiyor. Ancak, bu bileşenlerin verileri ayrı ayrı işleyerek bir tür sıkışıklık yarattığını vurguluyor. SHMT, bu bileşenlerin eş zamanlı olarak çalışmasını sağlayarak işlem verimliliğini artırmayı hedefliyor.
Bu önemli keşif, yalnızca bilgisayar donanım maliyetlerini azaltmakla kalmayacak, aynı zamanda büyük veri işleme merkezlerindeki sunucuların çalıştırılması için gereken enerji üretiminden kaynaklanan karbon emisyonlarını da azaltma potansiyeline sahip. Ayrıca, sunucuları soğutmak için kullanılan su talebini de düşürebilir.
Tseng’in Techradar ile yaptığı bir röportajda, Microsoft’un gelecekteki Windows sürümlerinde SHMT çerçevesinin benimsenmesi durumunda, kullanıcılara ücretsiz bir performans artışı sunma olasılığının bulunduğunu ifade etti. Ancak, Tseng’in makalesi, sistem uygulamaları, donanım desteği, kod optimizasyonu ve hangi uygulamaların en büyük faydayı sağlayacağı konularında daha fazla araştırma yapılması gerektiğine dikkat çekiyor.
Hiçbir donanım mühendisliği çalışmasına gerek olmamasına rağmen, Tseng, “çalışması için çalışma zamanı sistemi (örneğin, işletim sistemi sürücüleri) ve programlama dilleri (örneğin, Tensorflow/PyTorch) üzerinde mutlaka yeniden yapılanmaya ihtiyacımız var” şeklinde bir açıklama yapıyor.
