Herhangi bir ek donanım maliyeti olmadan PC performansını iki katına çıkartmak mümkün

Araştırmacılar, herhangi bir ek donanım maliyeti olmadan bilgisayarları iki kat daha hızlı ve verimli çalıştırmanın bir yolunu bulduklarını açıkladılar.

Herhangi bir ek donanım maliyeti olmadan PC performansını iki katına çıkartmak mümkün

Bir araştırmacı, herhangi bir ek donanım maliyeti olmadan bilgisayarların hızını potansiyel olarak iki katına çıkarabilecek yeni bir yaklaşım keşfettiğini iddia ediyor.

Eşzamanlı ve Heterojen Çoklu İş Parçacığı (SHMT) adı verilen yöntem, UC Riverside elektrik ve bilgisayar mühendisliği doçenti Hung-Wei Tseng ile bilgisayar bilimleri yüksek lisans öğrencisi Kuan-Chieh Hsu’nun ortak yazdığı bir makalede özetlendi.

SHMT çerçevesi şu anda çok çekirdekli bir ARM işlemciyi, bir NVIDIA GPU’yu ve bir Tensor İşlem Birimi donanım hızlandırıcısını aynı anda kullanan gömülü bir sistem platformu üzerinde çalışıyor. Testlerde sistem 1,96 kat hızlanma ve enerji tüketiminde %51 azalma elde etti.

Tseng, modern bilgisayar cihazlarının GPU’ları, giderek daha fazla AI ve ML için donanım hızlandırıcıları veya DSP birimlerini temel bileşenler olarak entegre ettiğini söylüyor. Ancak bu bileşenler bilgileri ayrı ayrı işleyerek bir sıkışıklık yaratıyor. SHMT, bu bileşenlerin aynı anda çalışmasını sağlayarak ve bu sayede işlem verimliliğini artırarak bu sorunu çözmeye çalışıyor.

Bu keşif, yalnızca bilgisayar donanım maliyetlerini azaltmakla kalmayıp, aynı zamanda büyük veri işleme merkezlerindeki sunucuları çalıştırmak için gereken enerji üretiminden kaynaklanan karbon emisyonlarını da azaltabileceğinden dolayı büyük bir öneme sahip. Ayrıca sunucuları soğutmak için kullanılan su talebini de azaltabilir.

Tseng’in Techradar ile yaptığı görüşmede söylediğine göre, Microsoft tarafından Windows’un gelecekteki bir sürümünde benimsenmesi halinde SHMT çerçevesinin kullanıcılar için ücretsiz bir performans artışı sağlaması mümkün olabilir.

Ancak Tseng'in makalesi; sistem uygulaması, donanım desteği, kod optimizasyonu ve hangi uygulamaların en çok fayda sağlayacağı ile ilgili soruları ele almak için daha fazla araştırmaya ihtiyaç olduğu konusunda uyarıyor. Hiçbir donanım mühendisliği çalışması gerekmese de Tseng, “çalışması için çalışma zamanı sistemi (örneğin, işletim sistemi sürücüleri) ve programlama dilleri (örneğin, Tensorflow/PyTorch) üzerinde kesinlikle yeniden yapılanmaya ihtiyacımız var” diyor.