Mobile-Menu

Paradigmenwechsel Computerleistung verdoppelt – ohne zusätzliche Hardware

Von Henning Wriedt* 2 min Lesedauer

Anbieter zum Thema

Fsas Technologies GmbH
FAST LTA GmbH

Stellen sie sich vor, man könnte die Rechenleistung eines Smartphones, Tablets, PCs oder Servers verdoppeln, indem man die vorhandene Hardware in diesen Geräten besser nutzt.

Hung-Wei Tseng, außerordentlicher Professor für Elektrotechnik und Computertechnik an der UC Riverside, beschreibt in seinem Paper einen Paradigmenwechsel in der Computerarchitektur. (Bild: frei lizenziert / Pixabay)
Hung-Wei Tseng, außerordentlicher Professor für Elektrotechnik und Computertechnik an der UC Riverside, beschreibt in seinem Paper einen Paradigmenwechsel in der Computerarchitektur.
(Bild: frei lizenziert / Pixabay)

Hung-Wei Tseng, außerordentlicher Professor für Elektro- und Computertechnik an der UC Riverside in Kalifornien und Leiter des Extreme Storage & Computer Architecture Laboratory, hat in einem kürzlich veröffentlichten Papier mit dem Titel „Simultaneous and Heterogeneous Multithreading“ einen Paradigmenwechsel in der Computerarchitektur beschrieben, der das ermöglicht.

Tseng erläuterte, dass heutige Computer zunehmend über Grafikprozessoren (GPUs), Hardware-Beschleuniger für künstliche Intelligenz (AI) und maschinelles Lernen (ML) oder digitale Signalverarbeitungseinheiten als wesentliche Komponenten verfügen. Diese Komponenten verarbeiten Informationen allerdings getrennt voneinander, wobei Informationen von einer Verarbeitungseinheit zur nächsten weitergeleitet werden, was zu einem Engpass führt. „Die eingefahrenen Programmiermodelle konzentrieren sich darauf, nur die effizientesten Verarbeitungseinheiten für jede Coderegion zu verwenden, wodurch die Verarbeitungsleistung heterogener Computer nicht ausreichend genutzt wird“, fasst Tseng das Problem zusammen.

In ihrem Beitrag stellen Tseng und UCR-Informatikstudent Kuan-Chieh Hsu ein Verfahren vor, das sie „simultaneous and heterogeneous multithreading“ oder SHMT nennen. Sie beschreiben ihre Entwicklung eines vorgeschlagenen SHMT-Frameworks auf einer eingebetteten Systemplattform, die gleichzeitig einen Multi-Core-ARM-Prozessor, eine Nvidia-GPU und einen Tensor-Processing-Unit-Hardware-Beschleuniger verwendet.

Das von Tseng und Hsu entwickelte System erreichte eine 1,96-fache Beschleunigung und eine Reduktion des Energieverbrauchs um 51 Prozent. „Man muss keine neuen Prozessoren hinzufügen, weil man sie bereits hat“, so Tseng. Die Implikationen dieser Entwicklung sind enorm.

Durch die gleichzeitige Nutzung vorhandener Verarbeitungskomponenten könnten die Kosten für Computer-Hardware gesenkt und gleichzeitig die Kohlendioxidemissionen reduziert werden, die durch die Energie erzeugt werden, die für den Betrieb von Servern in Rechenzentren in Lagergröße benötigt wird. Außerdem könnte dadurch der Bedarf an knappem Süßwasser für die Kühlung der Server gesenkt werden.

Tseng deutet an, dass weitere Untersuchungen erforderlich sind, um verschiedene Fragen zur Systemimplementierung, zur Hardwareunterstützung, zur Codeoptimierung und zur Art der Anwendungen, die am meisten davon profitieren, zu beantworten.

Das Papier wurde auf dem 56th Annual IEEE/ACM International Symposium on Microarchitecture vorgestellt, das 2023 in Toronto, Kanada, stattfand. Die Arbeit wurde von Tsengs Fachkollegen des „Institute of Electrical and Electronics Engineers“ (IEEE) anerkannt, die sie als eine von zwölf Arbeiten in der im kommenden Sommer erscheinenden Ausgabe der „Top Picks from the Computer Architecture Conferences“ aufnahmen. (mbf)

Dieser Beitrag ist ursprünglich auf unserem Partnerportal ELEKTRONIKPRAXIS erschienen.

Artikelfiles und Artikellinks

Link: UC Riverside

(ID:50031738)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Data-Storage und -Management

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte