Opis projektu
Większa efektywność energetyczna, mniej dokładne obliczenia
Naukowcy dokładają starań, by powstające maszyny były bardziej inteligentne, potężniejsze i lepiej połączone, ale jednocześnie nie zapominają o szukaniu rozwiązań, które zapewnią im efektywność energetyczną. Jeśli nie podejmiemy żadnych działań, niebawem komputery zaczną konsumować więcej energii elektrycznej niż dostępne na świecie źródła są w stanie dostarczyć. Jeszcze bardziej niepokoi fakt, że internet rzeczy niebawem połączy bezprzewodowo z chmurą nawet 50 miliardów urządzeń. Finansowany ze środków UE projekt APROPOS ma prowadzić do znalezienia sposobów zmniejszenia konsumpcji energetycznej i zoptymalizowania kompromisów na poziomie energia–dokładność. W tym celu opracowane zostaną metody przybliżonych obliczeń, które zapewnią „akceptowalny” poziom dokładności w zastosowaniach korzystających z danych. Dla początkujących naukowców będą też prowadzone szkolenia w zakresie tworzenia rozwiązań promujących korzystne kompromisy na poziomie energia–dokładność dotyczące projektowania obwodów, architektury, oprogramowania i systemów. Zgodnie z założeniami projektu działania te mogą spowodować nawet pięćdziesięciokrotne zwiększenie efektywności energetycznej.
Cel
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.
Dziedzina nauki
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
MSCA-ITN - Marie Skłodowska-Curie Innovative Training Networks (ITN)Koordynator
33100 Tampere
Finlandia