Le « changement de paradigme » informatique pourrait permettre aux téléphones et aux ordinateurs portables de fonctionner deux fois plus vite, sans remplacer un seul composant
Une nouvelle approche informatique pourrait doubler la vitesse de traitement d’appareils tels que les téléphones ou les ordinateurs portables sans qu’il soit nécessaire de remplacer aucun des composants existants.
Les appareils modernes sont équipés de différentes puces qui gèrent différents types de traitement. Outre l’unité centrale de traitement (CPU), les appareils disposent d’unités de traitement graphique (GPU), d’accélérateurs matériels pour les charges de travail d’intelligence artificielle (IA) et d’unités de traitement du signal numérique pour traiter les signaux audio.
Cependant, en raison des modèles d’exécution de programme conventionnels, ces composants traitent les données d’un programme séparément et en séquence, ce qui ralentit les temps de traitement.
Les informations se déplacent d’une unité à l’autre en fonction de celle qui est la plus efficace pour gérer une région particulière du code dans un programme. Cela crée un goulot d’étranglement, car un processeur doit terminer son travail avant de confier une nouvelle tâche au processeur suivant en ligne.
En rapport: Le premier PC au monde redécouvert par accident lors d’une liquidation de maison au Royaume-Uni, près de 50 ans après sa dernière observation
Pour résoudre ce problème, les scientifiques ont conçu un nouveau cadre d’exécution de programme dans lequel les unités de traitement travaillent en parallèle. L’équipe a présenté la nouvelle approche, baptisée « multithreading simultané et hétérogène (SHMT) », dans un article publié en décembre 2023 sur le serveur de préimpression. arXiv.
SHMT utilise des unités de traitement simultanément pour la même région de code, plutôt que d’attendre que les processeurs travaillent sur différentes régions du code dans une séquence basée sur le composant le mieux adapté à une charge de travail particulière.
Une autre méthode couramment utilisée pour résoudre ce goulot d’étranglement est connue sous le nom de « pipeline logiciel » et accélère les choses en permettant à différents composants de travailler sur différentes tâches en même temps, plutôt que d’attendre qu’un processeur ait terminé avant que l’autre ne commence à fonctionner.
Cependant, dans le pipeline logiciel, une seule tâche ne peut jamais être répartie entre différents composants. Ce n’est pas le cas de SHMT, qui permet à différentes unités de traitement de travailler simultanément sur la même région de code, tout en leur permettant également de prendre en charge de nouvelles charges de travail une fois qu’elles ont fait leur part.
« Vous n’êtes pas obligé d’ajouter de nouveaux processeurs car vous les possédez déjà », auteur principal Hung-Wei Tsengprofesseur agrégé de génie électrique et informatique à l’Université de Californie à Riverside, a déclaré dans un déclaration.
Les scientifiques ont appliqué SHMT à un système prototype qu’ils ont construit avec un processeur ARM multicœur, un GPU Nvidia et un accélérateur matériel d’unité de traitement tensoriel (TPU). Lors des tests, il a effectué des tâches 1,95 fois plus rapidement et a consommé 51 % d’énergie en moins qu’un système fonctionnant de manière conventionnelle.
SHMT est également plus économe en énergie, car une grande partie du travail qui est normalement effectué exclusivement par des composants plus gourmands en énergie, comme le GPU, peut être déchargée sur des accélérateurs matériels à faible consommation.
Si ce cadre logiciel est appliqué aux systèmes existants, il pourrait réduire les coûts matériels tout en réduisant les émissions de carbone, affirment les scientifiques, car il faut moins de temps pour gérer les charges de travail en utilisant des composants plus économes en énergie. Cela pourrait également réduire la demande en eau douce pour refroidir les énormes centres de données, si la technologie est utilisée dans des systèmes plus grands.
Cependant, l’étude n’était qu’une démonstration d’un système prototype. Les chercheurs ont averti que des travaux supplémentaires sont nécessaires pour déterminer comment un tel modèle peut être mis en œuvre dans des contextes pratiques et quels cas d’utilisation ou applications il bénéficiera le plus.