Imagine seu laptop funcionando duas vezes mais rápido sem nenhuma atualização de hardware; apenas a aplicação de algoritmos de software mais inteligentes. Essa é a promessa de novas pesquisas que podem mudar o funcionamento dos computadores atuais.
Leia também: Novo chip abre portas para computação de IA na velocidade da luz
A equipe por trás da pesquisa, da Universidade da Califórnia, Riverside (UCR), afirma que o trabalho tem um enorme potencial, não apenas para aumentar o desempenho do hardware, mas também para aumentar a eficiência e reduzir significativamente o uso de energia.
Referido como multithreading simultâneo e heterogêneo (SHMT), o processo inovador aproveita o fato de que telefones, computadores e outros dispositivos modernos geralmente dependem de mais de um processador para pensar.
“Você não precisa adicionar novos processadores porque já os possui”, diz o engenheiro de computação Hung-Wei Tseng, da UCR.
Embora o termo processador ainda seja usado para descrever o cérebro dos dispositivos de hardware modernos, geralmente há uma combinação de vários processadores trabalhando juntos: um para gráficos chamado unidade de processamento gráfico (GPU), bem como outro para aprendizado de máquina chamado unidade de processamento de tensor (TPU), talvez, sem mencionar a unidade central de processamento (CPU) para lidar com cálculos gerais de computação.
Depender de processadores especializados certamente traz benefícios, pois eles podem ser projetados para tarefas específicas. A execução do código para executar um programa de planilha não é feita da mesma maneira que a execução do código para um bot de texto de IA generativa.
A desvantagem é que podem ocorrer gargalos à medida que os dados são embaralhados entre diferentes unidades, afetando a velocidade e a eficiência com que as tarefas podem ser concluídas. Ao executar mais subtarefas simultaneamente e em paralelo, em vários processadores, os pesquisadores esperam recuperar o tempo e a energia perdidos.
A configuração de teste incluiu uma CPU ARM Cortex-A57, uma GPU Nvidia e uma TPU Google Edge. Usando multithreading simultâneo e heterogêneo, a execução do código de amostra foi 1,95 vezes mais rápida, enquanto o uso de energia foi reduzido em 51%.
“Os modelos de programação enraizados concentram-se na utilização apenas das unidades de processamento mais eficientes para cada região de código, subutilizando o poder de processamento em computadores heterogêneos”, escrevem os investigadores no seu artigo.
Ainda é muito cedo para esta tecnologia: o sistema proposto é mais um teste de que a ideia tem potencial, do que algo que pode ser implementado imediatamente em nossos smartphones e smartwatches.
Os pesquisadores também reconhecem que há desafios significativos a serem superados em termos de divisão de tarefas de computação para serem realizadas por diferentes tipos de processadores e, em seguida, combinação de tudo novamente sem qualquer lentidão.
“O hardware multithreading simultâneo homogêneo convencional não precisa lidar com a garantia de qualidade”, escrevem os pesquisadores.
“Em contraste, o SHMT precisa garantir a qualidade devido à potencial incompatibilidade de precisão das arquiteturas subjacentes.”
A pesquisa foi apresentada no 56º Simpósio Internacional Anual IEEE/ACM sobre Microarquitetura em Toronto, Canadá, e está disponível para leitura online.
Traduzido de ScienceAlert
