Description du projet
Plus d’efficacité énergétique, moins d’exactitude dans les calculs
Dans leur course à la conception de machines plus intelligentes, plus puissantes et plus connectées, les scientifiques cherchent également des moyens de s’assurer qu’elles sont efficaces sur le plan énergétique. Si aucune mesure n’est prise, les ordinateurs auront bientôt besoin de plus d’électricité que ce que les ressources énergétiques mondiales peuvent produire. Plus alarmant encore, l’internet des objets va connecter jusqu’à 50 milliards de dispositifs au cloud par le biais de réseaux sans fil. Le projet APROPOS, financé par l’UE, étudie les moyens de réduire la consommation d’énergie et d’optimiser les compromis entre précision et consommation. À cette fin, il développe l’informatique approximative, dans laquelle les applications utilisant des données peuvent se contenter d’un niveau de précision «acceptable», et il formera les chercheurs en début de carrière aux compromis en matière de précision énergétique concernant les circuits, l’architecture, les logiciels et les solutions au niveau du système. Selon le projet, l’efficacité énergétique pourrait ainsi être multipliée par un facteur allant parfois jusqu’à 50.
Objectif
The Approximate Computing for Power and Energy Optimisation ETN will train 15 ESRs to tackle the challenges of future embedded and high-performance computing energy efficiency by using disruptive methodologies. Following the current trend, by 2040 computers will need more electricity than the world energy resources can generate. On the communications side, energy consumption in mobile broadband networks is comparable to datacenters. To make things worse, Internet-of-Things will soon connect up to 50 billion devices through wireless networks to the cloud. APROPOS aims at decreasing energy consumption in both distributed computing and communications for cloud-based cyber-physical systems. We propose adaptive Approximate Computing to optimize energy-accuracy trade-offs. Luckily, in many parts of the global data acquisition, transfer, computation, and storage systems there exists the possibility to trade off accuracy to less power and less time consumed. As examples, numerous sensors are measuring noisy or inexact inputs; the algorithms processing the acquired signals can be stochastic; the applications using the data may be satisfied with an “acceptable” accuracy instead of exact and absolutely correct results; the system may be resilient against occasional errors; and a coarse classification may be enough for a data mining system. By introducing a new dimension, accuracy, to the design optimization, the energy efficiency can even be improved by a factor of 10x-50x. We will train the spearheads of the future generation to cope with the technologies, methodologies, and tools for successfully applying Approximate Computing to power and energy saving. The training, in this first ever ITN addressing approximate computing, is to a large extent done by researching energy-accuracy trade-offs on circuit, architecture, software, and system-level solutions, bringing together world leading experts from European organizations to train the ESR fellows.
Champ scientifique
Mots‑clés
Programme(s)
Régime de financement
MSCA-ITN - Marie Skłodowska-Curie Innovative Training Networks (ITN)Coordinateur
33100 Tampere
Finlande