Door verschillende processoren in computers parallel te laten werken zouden computers tot twee keer sneller worden en 50% minder energie verbruiken, beweerden twee onderzoekers van de universiteit van Californië in Riverside het vorig jaar op het 56ste symposion over microarchitectuur. Daar zouden geen veranderingen of aparte onderdelen voor nodig zijn.
Moderne rekentuigen hebben verschillende processoren die elk hun eigen taak hebben. Elke computer heeft een centrale processor, maar ook grafische processoren. Er zijn speciale apparaatversnellers voor kunstmatige intelligentie en digitale signaalverwerkers om geluidssignalen te hanteren. Die verschillende verwerkers (processoren) werken echter in volgorde (in serie) en dat vertraagt de verwerking. De informatie wordt van de ene verwerker vervoert naar de andere die het best met de volgende stap overweg kan, enzovoort.
Om daar een parallelle mouw aan te passen hebben de onderzoekers Kuan-Chieh Hsu en Hung-Wei Tseng een systeem ontworpen om de gegevens van verschillende aard parallel te verwerken: SHMT, waarbij de S voor simultaan en de H voor heterogeen staat. In dat systeem gaan verwerkers in een bepaald ‘codegebied’ gezamenlijk aan de slag. Tseng: “Je hoeft geen processoren toe te voegen want die heb je al.”
Versnellers
De onderzoekers gebruikten een prototypecomputer met een meerkernige centrale processor, een grafische processor en tensorprocessor. Met SHMT werd de computer 1,95 keer sneller en verbruikte 51% minder energie.
Die energiewinst zit ‘m in het feit dat taken die in seriële verwerking worden behandeld door energievretende grafische processoren soms ook kunnen worden verwerkt door minder energievergende apparaatversnellers. Voor de (erg) dorstige servers in datacentra zou dat ook fiks kunnen schelen in de hoeveelheid koelwater.
Nu niet meteen naar de winkel rennen om SHMT-progs te kopen, want kennelijk moet er nog wel wat aan dit mooie systeem gesleuteld worden om die in/op de (onze) apparatuur te kunnen gebruiken. Ik(=as) zou zeggen: kom maar op.
Bron: livescience