能源技术篇题为“趋势估计计算在AI /机器学习加速器,超级计算机,和计算密集型应用”研究人员发表的线性/斯坦福大学和麻省理工学院。
文摘:
“我们检查不同系统的计算能量需求驱动的几何相似律,并增加使用人工智能、机器学习(AI-ML)在过去的十年里。有更多的科学和技术的基于数据驱动的应用程序发现,机器学习方法,特别是深层神经网络,已成为广泛使用的。为了使这样的应用程序,使用硬件加速器和先进AI-ML方法导致了引入新的架构,系统设计、算法和软件。我们的能源趋势分析表明三个重要的观察结果:1)能源效率由于几何比例正在放缓;2)能源效率指令级位不转化为效率,或系统级的各种系统,尤其是大型AI-ML加速器或超级计算机;3)在应用程序级别,通用AI-ML方法可以计算能源密集型,节省能量从几何缩放和特殊目的的加速器。进一步,我们的分析提供了具体指针将能源效率与性能分析,使高性能计算的和可持续的未来。”
找到这里的技术论文。2022年10月出版。IEEE会议提交诉讼极端高性能计算(HPEC) 2022。
arXiv: 2210.17331 v1, Sadasivan Shankar阿尔伯特·鲁瑟。
相关阅读:
AI功耗爆炸
指数增长是不可持续的。但它在哪里去?
11减少人工智能能量消耗的方法
推动人工智能边缘需要新的架构,工具和方法。
麻省理工学院:5日域计算能力的影响
如何优化处理器吗
至少有三个架构层处理器设计,每一种都起着重要作用。
留下一个回复