Descrizione del progetto
Più efficienza energetica, meno calcoli esatti
Nella corsa alla costruzione di macchine più intelligenti, più potenti e più connesse, gli scienziati cercano anche dei modi per rendere tali macchine efficienti dal punto di vista energetico. Se non verranno prese misure, a breve i computer necessiteranno di più elettricità di quanta ne possano produrre le risorse energetiche mondiali. Ancora più allarmante è il fatto che l’Internet delle cose connetterà fino a 50 miliardi di dispositivi al cloud mediante reti wireless. Il progetto APROPOS finanziato dall’UE sta vagliando soluzioni per diminuire il consumo energetico e ottimizzare i compromessi in materia di precisione energetica. A tale scopo, il progetto sta lavorando allo sviluppo di calcoli approssimati, in cui le applicazioni che utilizzano dati potrebbero accontentarsi di un livello «accettabile» di accuratezza, e formerà ricercatori nella fase iniziale della carriera in materia di compromessi di precisione energetica inerenti a circuiti, architettura, software e soluzioni a livello di sistema. Secondo il progetto, l’efficienza energetica potrà così essere migliorata fino a 50 volte.
Obiettivo
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.
Campo scientifico
Parole chiave
Programma(i)
Argomento(i)
Meccanismo di finanziamento
MSCA-ITN - Marie Skłodowska-Curie Innovative Training Networks (ITN)Coordinatore
33100 Tampere
Finlandia