高性能计算系统和应用的能源问题
从设备到算法的计算层面的能耗估计和分析揭示了能源使用的影响因素。这项研究还对包括人工智能 / 机器学习在自然语言处理、科学模拟和加密货币挖掘等三个大规模计算应用领域的能源需求进行了估算。此外,对人工智能 / 机器学习加速器的分析显示,使用较旧的半导体技术节点的体系结构比使用较新技术的不同体系结构具有相当的能效。这些能耗估算强调了计算中能源效率的重要性,包括将能源作为设计参数,以满足数字世界中计算密集型应用的不断增长的需求。
Oct, 2023
近年来人工智能的兴起和模型复杂度的增加已开始带来计算资源需求上的挑战,本文针对大规模 AI 方法的能源效率问题,通过对不同计算节点上深度学习模型进行测量,说明了在算法层面和未来计算集群和硬件设计方面,准确测量 AI 工作量的功耗需求之重要性,以及模型训练和推理的能耗差异,提供了降低成本、提高用户意识的解决方案。
Dec, 2022
人工智能在技术和研究方面取得了显著的进展,并广泛应用于计算视觉、自然语言处理、时间序列分析、语音合成等多个领域。然而,随着大型语言模型的出现,研究人员的注意力主要集中在追求最新的技术成果,导致模型规模和计算复杂性不断增加,需要更高的计算能力,进而产生更高的碳排放量,阻碍了资金有限的中小型研究机构和公司参与研究,并引发研究公平性的问题。为应对计算资源和人工智能的环境影响,绿色计算已成为一个热门的研究课题。在本调研中,我们对绿色计算中使用的技术进行了系统概述,并提出绿色计算的框架,将其分为四个关键组成部分:(1) 绿色度量指标,(2) 能效人工智能,(3) 能效计算系统和 (4) 可持续发展的人工智能应用案例。针对每个组成部分,我们讨论了研究进展及常用的优化技术,结论表明这个新的研究方向有潜力解决资源限制与人工智能发展之间的冲突。我们鼓励更多的研究人员关注这个方向,使人工智能更加环保友好。
Nov, 2023
本文针对计算机在环境方面日益增长的影响进行了研究,通过分析算法、软件和硬件创新的变革,量化了计算机在硬件制造和基础设施方面的碳排放。结果表明,现代移动设备和数据中心设备的大部分排放来自硬件制造和基础设施,因此提出了最小化计算机系统环境影响的未来方向。
Oct, 2020
本文主要探讨了高性能计算、人工智能 / 机器学习和量子计算以及通信对于计算机科学研究领域的创新和影响,并指出在支持计算机科学研究方面需要更全面的计算基础设施,包括商业云计算和量子计算等新的计算方法。
Dec, 2020
通过对能源成本和量子计算与经典计算的比较研究,本文重新定义量子优势,并证明在能耗受限制的竞争模型下,量子计算能够在盈利和能源效率上优于经典计算,因此可能成为计算行业更可持续的发展路径。此外,我们发现量子计算的能源优势依赖于大规模计算,通过实际物理参数进一步说明了实现这种能源效率优势所需的运作规模。
Aug, 2023
能源优化、人工智能、实时监测、智能系统和能源供应是该研究论文的主要关键词和研究领域,并通过对 17 个不同研究方法的评估揭示了它们的优势和局限性,为未来的人工智能与能源消耗优化的整合指明了方向。
Jun, 2024
研究 AI 硬件加速器的功耗限制对 GPU 温度和功耗的综合影响,发现适当的功耗限制可以显著降低温度和功耗,提高硬件使用寿命,对任务性能影响较小;然而,功耗限制对整体能源消耗的效果不明确,用户可能因 GPU 功耗限制而请求额外的 GPU 任务,抵消能源节约甚至使能源消耗更严重,因此希望鼓励 HPCs / 数据中心进一步研究、评估和传达功耗限制 AI 硬件加速器对更可持续的 AI 的影响。
Feb, 2024
本文讨论了量子计算在能源系统优化问题上的应用,探讨了量子计算的基本概念与其与经典计算的区别,描述了两个商用量子计算系统的硬件架构。同时,本文还提出了一个使用开源软件工具的示例来解决能源系统优化问题,阐述了经典算法与量子算法的优缺点,重点探讨了量子计算在拓扑和信息加密方面的应用与局限。
Feb, 2020