ETFFIN Finance >> Curso de Finanzas Personales >  >> Criptomonedas >> Bitcoin

Computación sostenible: velocidad y eficiencia energética para un futuro más verde

Tu smartphone es mucho más potente que las computadoras de la NASA que llevaron a Neil Armstrong y Buzz Aldrin a la luna en 1969, pero también es un devorador de energía. En computación, el consumo energético a menudo se considera un problema secundario frente a la velocidad y el almacenamiento, pero con la velocidad y dirección del avance tecnológico, se está convirtiendo en una creciente preocupación ambiental.

Cuando la empresa de minería de criptomonedas Hut 8 abrió el mayor proyecto de minería de Bitcoin de Canadá cerca de Medicine Hat, Alberta, los ecologistas sonaron la alarma. La planta consume 10 veces más electricidad, producida principalmente por una central de gas natural, que cualquier otra instalación en la ciudad.

Globalmente, las emisiones de gases de efecto invernadero (GEI) de los sectores de información, comunicación y tecnología (ICT) se pronostican que alcancen el equivalente a 1,4 gigatoneladas (miles de millones de toneladas métricas) de dióxido de carbono anualmente para 2020. Eso es el 2,7% de los GEI globales y aproximadamente el doble de la producción total anual de gases de efecto invernadero de Canadá.

Diseñando procesadores informáticos energéticamente eficientes podríamos reducir el consumo de energía, y reducir las emisiones de GEI en lugares donde la electricidad proviene de combustibles fósiles. Como ingeniero informático especializado en arquitectura y aritmética de computadoras, mis colegas y yo confiamos en que estos efectos positivos pueden lograrse con casi ningún impacto en el rendimiento informático o la comodidad del usuario.

Conexiones poderosas

El Internet de las Cosas (IoT) —compuesto por dispositivos computacionales conectados integrados en objetos cotidianos— ya está generando impactos económicos y sociales positivos, transformando nuestras sociedades, el medio ambiente y nuestras cadenas de suministro alimentarias para mejor.

Estos dispositivos están monitoreando y reduciendo la contaminación del aire, mejorando la conservación del agua y alimentando a un mundo hambriento. También están haciendo nuestros hogares y negocios más eficientes, controlando termostatos, iluminación, calentadores de agua, refrigeradores y lavadoras.

Con el número de dispositivos conectados destinado a superar los 11.000 millones —sin incluir computadoras y teléfonos— en 2018, el IoT creará big data que requerirá enormes computaciones.

Hacer la computación más eficiente energéticamente ahorraría dinero y reduciría el uso de energía. También permitiría que las baterías que proporcionan energía en sistemas computacionales sean más pequeñas o duren más. Además, los cálculos podrían ejecutarse más rápido, por lo que los sistemas computacionales generarían menos calor.

Computación aproximada

Los sistemas computacionales actuales están diseñados para ofrecer soluciones exactas a un alto coste energético. Pero muchos algoritmos tolerantes a errores como procesamiento de imagen, sonido y video, minería de datos, análisis de datos de sensores y aprendizaje profundo no requieren respuestas exactas.

Esta precisión innecesaria y gasto energético excesivo es derrochador. Existen limitaciones en la percepción humana —no siempre necesitamos un 100% de precisión para estar satisfechos con el resultado. Por ejemplo, cambios menores en la calidad de imágenes y videos a menudo pasan desapercibidos.

Los sistemas computacionales pueden aprovechar estas limitaciones para reducir el uso de energía sin impactar negativamente la experiencia del usuario. La "computación aproximada" es una técnica de computación que a veces devuelve resultados inexactos, lo que la hace útil para aplicaciones donde un resultado aproximado es suficiente.

En el laboratorio de ingeniería informática de la Universidad de Saskatchewan, proponemos diseñar e implementar estas soluciones de computación aproximada, para que puedan intercambiar óptimamente precisión y eficiencia entre software y hardware. Cuando aplicamos estas soluciones a un componente central del procesador, encontramos que el consumo de energía se redujo en más del 50% con casi ninguna caída en el rendimiento.

Precisión flexible

Hoy en día, la mayoría de las computadoras personales contienen un formato numérico estándar de 64 bits. Esto significa que usan un número con 64 dígitos (cero o uno) para realizar todos los cálculos.

Los gráficos 3D, la realidad virtual y la aumentada requieren el formato de 64 bits para funcionar. Pero el procesamiento básico de audio e imagen puede hacerse con un formato de 32 bits y aun proporcionar resultados satisfactorios. Además, las aplicaciones de aprendizaje profundo pueden incluso usar formatos de 16 u 8 bits debido a su tolerancia a errores.

Cuanto más corto sea el formato numérico, menos energía se usa para realizar el cálculo. Podemos diseñar soluciones computacionales flexibles, pero precisas, que ejecuten diferentes aplicaciones usando el formato numérico más apropiado para promover la eficiencia energética.

Por ejemplo, una aplicación de aprendizaje profundo usando esta solución de computación flexible podría reducir el consumo de energía en un 15%, según nuestro experimento preliminar. Además, las soluciones propuestas pueden reconfigurarse para realizar simultáneamente múltiples operaciones que requieren baja precisión numérica y mejorar el rendimiento.

El IoT tiene una gran promesa, pero también debemos pensar en los costes de procesar todos estos datos. Con procesadores más inteligentes y verdes podríamos ayudar a abordar las preocupaciones ambientales y frenar o reducir sus contribuciones al cambio climático.