മെഷീൻ ലേണിംഗ് ഇന്നൊവേഷൻ കമ്പ്യൂട്ടർ പവർ ഉപഭോഗം ഗണ്യമായി കുറയ്ക്കുന്നു
ലോകമെമ്പാടുമുള്ള വലിയ സെർവറുകളിൽ ഉപയോഗിക്കുന്ന മൾട്ടി-കോർ പ്രോസസ്സറുകളിലെ കമ്പ്യൂട്ടിംഗ് പ്രകടനത്തെ ബാധിക്കാതെ പവർ ഉപയോഗത്തെക്കുറിച്ച് തീരുമാനമെടുക്കാൻ മെഷീൻ ലേണിംഗ് ഉപയോഗിക്കുന്ന ഒരു ചട്ടക്കൂടിന് ഊർജ്ജ ഉപയോഗം 60% വരെ കുറയ്ക്കാൻ കഴിയും.
ഈ കണ്ടുപിടുത്തം കൂടുതൽ കാര്യക്ഷമമായ കമ്പ്യൂട്ടിംഗിലേക്ക് നയിക്കും, പ്രത്യേകിച്ച് വലിയ ഡാറ്റാ സെന്ററുകളിൽ, ഇത് ഊർജ്ജവുമായി ബന്ധപ്പെട്ട ആഗോള ഹരിതഗൃഹ വാതക പുറന്തള്ളലിന്റെ 1% ഉൽപാദിപ്പിക്കുന്നു. ലോ പവർ ഇലക്ട്രോണിക്സ് ആൻഡ് ഡിസൈൻ സംബന്ധിച്ച 2023 എസിഎം / ഐഇഇഇ ഇന്റർനാഷണൽ സിമ്പോസിയത്തിൽ വാഷിംഗ്ടൺ സ്റ്റേറ്റ് യൂണിവേഴ്സിറ്റി, ഇന്റൽ ഗവേഷകർക്ക് മികച്ച പേപ്പർ അവാർഡ് ലഭിച്ചു.
അവരുടെ ജോലിയിൽ, ഗവേഷകർ പവർ ഉപയോഗം നിയന്ത്രിക്കാൻ മെഷീൻ ലേണിംഗ് അൽഗോരിതം ഉപയോഗിച്ചു, ഒരു വലിയ, 64 കോർ കമ്പ്യൂട്ടർ പ്രോസസറിന്റെ വ്യത്യസ്ത ക്ലസ്റ്ററുകൾക്കായി വോൾട്ടേജ്, ഫ്രീക്വൻസി ലെവലുകൾ തിരഞ്ഞെടുത്തു. ഈ മൾട്ടി-കോർ പ്രോസസ്സറുകൾ സാധാരണയായി സെർവറുകളിലോ സൂപ്പർ കമ്പ്യൂട്ടറുകളിലോ ഉപയോഗിക്കുന്നു. പവർ കൈകാര്യം ചെയ്യുന്നതിനുള്ള ഉയർന്ന ഒപ്റ്റിമൈസ്ഡ് മാർഗ്ഗങ്ങൾ പഠിക്കാൻ ഗവേഷകരുടെ ചട്ടക്കൂടിന് കഴിഞ്ഞു, ഇത് സ്കെയിലബിൾ ആണ്, അതിനാൽ വലിയ മൾട്ടി-കോർ പ്രോസസ്സറുകളുടെ ഊർജ്ജ കാര്യക്ഷമത മെച്ചപ്പെടുത്താൻ ഇത് ഉപയോഗിക്കാം. അൽഗോരിതം മൾട്ടി-പ്രോസസറിന്റെ പ്രകടനവും കുറച്ചില്ല.
“വോൾട്ടേജും ഫ്രീക്വൻസി ലെവലും നിർണ്ണയിക്കാൻ ഞങ്ങൾക്ക് മികച്ച തീരുമാനമെടുക്കാൻ കഴിഞ്ഞു, അതിനാൽ പ്രകടനം ത്യജിക്കാതെ ഞങ്ങൾക്ക് ഗണ്യമായ ഊർജ്ജ ലാഭം ഉണ്ടായിരുന്നു,” പേപ്പറിലെ അനുബന്ധ രചയിതാവും കമ്പ്യൂട്ടർ എഞ്ചിനീയറിംഗിലെ ഡബ്ല്യുഎസ്യു ബോയിംഗ് ശതാബ്ദി ചെയറുമായ പാർത്ഥ പാണ്ഡെ പറഞ്ഞു.
പ്രോസസ്സറുകളുടെ വോൾട്ടേജും ആവൃത്തിയും നിയന്ത്രിക്കാൻ ഗവേഷകർ മറ്റ് സാങ്കേതിക വിദ്യകൾ ഉപയോഗിച്ചിട്ടുണ്ടെങ്കിലും, ഗവേഷകർക്ക് അവരുടെ നൂതന മെഷീൻ ലേണിംഗ് സമീപനങ്ങൾ ഒരു പടി കൂടി മുന്നോട്ട് കൊണ്ടുപോകാൻ കഴിഞ്ഞു, ഇത് വോൾട്ടേജും ആവൃത്തിയും മികച്ചതാക്കാൻ കഴിയുമെന്ന് കാണിക്കുന്നു, പാണ്ഡെ പറഞ്ഞു.
ലോ പവർ ഇലക്ട്രോണിക്സ് ആൻഡ് ഡിസൈൻ സംബന്ധിച്ച 2023 എസിഎം / ഐഇഇഇ ഇന്റർനാഷണൽ സിമ്പോസിയത്തിൽ നിന്നുള്ള മികച്ച പേപ്പർ അവാർഡ് ജന ഡോപ്പ, ഗൗരവ് നാരംഗ്, പാർത്ഥ പാണ്ഡെ എന്നിവർക്ക് ലഭിച്ചു.
“വോൾട്ടേജും ആവൃത്തിയും ക്രമീകരിക്കുന്ന ഒരു തീരുമാനമെടുക്കൽ നയം നിങ്ങൾക്കുണ്ടെങ്കിൽ, പ്രകടനം നഷ്ടപ്പെടാതെ ഊർജ്ജം ലാഭിക്കുന്ന കാര്യത്തിൽ നിങ്ങളുടെ തീരുമാനം നല്ലതാണെന്ന് നിങ്ങൾക്ക് ആത്മവിശ്വാസമുള്ളപ്പോൾ അറിയേണ്ടതുണ്ട്,” പേപ്പറിലെ അനുബന്ധ രചയിതാവും കമ്പ്യൂട്ടർ സയൻസിലെ ഡബ്ല്യുഎസ്യു ഹ്യൂ-റോജേഴ്സ് എൻഡോവ്ഡ് ചെയറുമായ ജാന ഡോപ്പ പറഞ്ഞു. “അതിനാൽ നിങ്ങളുടെ തീരുമാനം നല്ലതാണെന്ന് നിങ്ങൾ കരുതുന്നുവെങ്കിൽ, ഔപചാരിക അർത്ഥത്തിൽ നിങ്ങൾക്ക് ഉറപ്പുണ്ടെങ്കിൽ, അത്തരം സാഹചര്യങ്ങളിൽ അധിക പഠനമൊന്നും നടത്താൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നില്ല.”
മെഷീൻ ലേണിംഗ് അൽഗോരിതത്തിന് ഒരു പ്രത്യേക സാഹചര്യത്തിൽ ശരിയായ തീരുമാനത്തെക്കുറിച്ചുള്ള അവ്യക്തത കുറയ്ക്കാൻ കഴിയുമെങ്കിൽ, അവ്യക്തമായ സാധ്യതകളുടെ ഒരു ചെറിയ കൂട്ടത്തിൽ മികച്ച ഓപ്ഷൻ കണ്ടെത്താൻ പവർ, പെർഫോമൻസ് മോഡലുകൾ ഉപയോഗിച്ച് ഒരു ബദൽ കാര്യക്ഷമമായി തിരയാൻ കഴിയുമെന്ന് അദ്ദേഹം പറഞ്ഞു.
“അതിനാൽ ഇത് ഒരു ഉപയോഗപ്രദമായ പരിശീലന ഉദാഹരണമാണ്, തുടർന്ന് ഭാവിയിലേക്കുള്ള തീരുമാനമെടുക്കൽ നയം മെച്ചപ്പെടുത്താൻ ഞങ്ങൾക്ക് കഴിയും,” ഡോപ്പ പറഞ്ഞു.
ജോലിയുടെ രീതിശാസ്ത്രം അടിസ്ഥാനപരമാണ്, 500 അല്ലെങ്കിൽ 1000 കോർ പ്രോസസ്സറുകളുടെ ഭാവിയിലെ വലിയ കമ്പ്യൂട്ടിംഗ് സിസ്റ്റങ്ങൾക്കോ വളരെ ചെറിയ എംബഡഡ് സിസ്റ്റങ്ങൾക്കോ ഉദ്ദേശിച്ചുള്ളതാണ്, അദ്ദേഹം പറഞ്ഞു. ഈ പ്രവർത്തനം ഒരു ദിവസം കൂടുതൽ മെച്ചപ്പെട്ട ഊർജ്ജ കാര്യക്ഷമതയിലേക്ക് നയിക്കുമെന്ന് ഗവേഷകർ പ്രതീക്ഷിക്കുന്നു.
“നിലവിൽ ഞങ്ങൾക്ക് എന്റെ ഓഫീസിലോ എന്റെ ഫോണിലോ ഒരു യഥാർത്ഥ ഡാറ്റാ സെന്റർ ഉണ്ടായിരിക്കാൻ കഴിയില്ല, പക്ഷേ അതാണ് കാഴ്ചപ്പാട് – ഹാൻഡ് ഹെൽഡ് ഉപകരണങ്ങളിൽ നിന്ന് സെർവർ സ്കെയിൽ പ്രകടനം നേടുക,” പാണ്ഡെ പറഞ്ഞു. “ഇത് അത്യാധുനികതയുടെ അതിരുകൾ ലംഘിക്കുകയാണ്.”
ഡോപ്പയ്ക്കും പാണ്ഡെയ്ക്കും പുറമേ ബിരുദ വിദ്യാർത്ഥി ഗൗരവ് നാരംഗ് ആണ് പ്രവർത്തനങ്ങൾക്ക് നേതൃത്വം നൽകിയത്. ഇന്റൽ കോർപ്പറേഷനിൽ നിന്നുള്ള റെയ്ഡ് അയൂബ്, മൈക്കൽ കിഷിനേവ്സ്കി എന്നിവരും ഗവേഷണ സംഘത്തിൽ ഉൾപ്പെടുന്നു. അർദ്ധചാലക ഗവേഷണ കോർപ്പറേഷനാണ് ഈ പ്രവർത്തനങ്ങൾക്ക് ധനസഹായം നൽകിയത്.
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
