Das Internet der Dinge könnte die Lebensqualität verbessern, aber es wird auch große Mengen an Strom verbrauchen und die Treibhausgasemissionen steigern. (Shutterstock)

Ihr Smartphone ist weitaus leistungsstärker als die NASA-Computer das brachte Neil Armstrong und Buzz Aldrin 1969 auf den Mond, aber es ist auch ein Energiefresser. Beim Rechnen wird der Energieverbrauch oft als zweitrangiges Problem in Bezug auf Geschwindigkeit und Speicherung angesehen, doch mit der Geschwindigkeit und Richtung des technologischen Fortschritts wird er zu einem wachsenden Umweltproblem.

Als das Kryptowährungs-Bergbauunternehmen Hut 8 Kanadas größtes Bitcoin-Bergbauprojekt außerhalb von Medicine Hat, Alta, eröffnete, warnten Umweltschützer. Die Anlage verbraucht zehnmal mehr Strom, die größtenteils von einem mit Erdgas betriebenen Kraftwerk erzeugt werden, als jede andere Anlage in der Stadt.

Global sind Treibhausgasemissionen (THG) aus den Bereichen Information, Kommunikation und Technologie (IKT) prognostiziert, bis 1.4 das Äquivalent von 2020 Gigatonnen (Milliarden Tonnen) Kohlendioxid pro Jahr zu erreichen. Das sind 2.7 Prozent der globalen Treibhausgase und Kanadas gesamte jährliche Treibhausgasproduktion wird ungefähr verdoppelt.

Durch die Entwicklung energieeffizienter Computerprozessoren könnten wir den Energieverbrauch senken und die Treibhausgasemissionen an Orten senken, an denen Strom aus fossilen Brennstoffen stammt. Als Computeringenieur mit Spezialisierung auf Computerarchitektur und Arithmetik sind meine Kollegen und ich überzeugt, dass diese positiven Effekte nahezu ohne Beeinträchtigung der Computerleistung oder des Benutzerkomforts erzielt werden können.

Leistungsstarke Verbindungen

Das Internet der Dinge (Internet of Things, IoT) - bestehend aus den in Alltagsgegenstände eingebetteten verbundenen Computergeräten - hat bereits positive wirtschaftliche und soziale Auswirkungen und verändert unsere Gesellschaft, die Umwelt und unsere Lebensmittelversorgungsketten zum Besseren.

Diese Geräte überwachen und reduzieren die Luftverschmutzung, verbessern den Wasserschutz und ernähren eine hungrige Welt. Sie machen auch unsere Häuser und Geschäfte effizienter und steuern Thermostate, Beleuchtung, Warmwasserbereiter, Kühlschränke und Waschmaschinen.

Mit dem Internet verbundene Geräte erhöhen den Datenverarbeitungsbedarf und den Energieverbrauch. (Shutterstock)

Stellen Sie die Anzahl der angeschlossenen Geräte nach oben 11 Milliarden - ohne Computer und Telefone - Im Jahr 2018 wird das Internet der Dinge große Datenmengen erzeugen, die umfangreiche Berechnungen erfordern.

Eine energieeffizientere Berechnung würde Geld sparen und den Energieverbrauch senken. Es würde auch ermöglichen, dass die Batterien, die Energie in Computersystemen liefern, kleiner sind oder länger laufen. Außerdem könnten Berechnungen schneller ausgeführt werden, sodass Computersysteme weniger Wärme erzeugen würden.

Ungefähre Berechnung

Die heutigen Computersysteme sind darauf ausgelegt, exakte Lösungen zu hohen Energiekosten zu liefern. Viele fehlerresistente Algorithmen wie Bild-, Ton- und Videoverarbeitung, Data Mining, Sensordatenanalyse und Deep Learning erfordern jedoch keine genauen Antworten.

Diese unnötige Genauigkeit und der übermäßige Energieaufwand sind verschwenderisch. Die menschliche Wahrnehmung unterliegt Einschränkungen - wir brauchen nicht immer eine hundertprozentige Genauigkeit, um mit dem Ergebnis zufrieden zu sein. Beispielsweise bleiben geringfügige Änderungen der Qualität von Bildern und Videos häufig unbemerkt.

Videoverarbeitungsanwendungen erfordern keine 100-prozentige Genauigkeit. (Shutterstock)

Computersysteme können diese Einschränkungen nutzen, um den Energieverbrauch zu senken, ohne die Benutzerfreundlichkeit zu beeinträchtigen. "Näherungsberechnung" ist eine Berechnungstechnik, die manchmal ungenaue Ergebnisse zurückgibt und sie für Anwendungen nützlich macht, bei denen ein Näherungsergebnis ausreicht.

Am Computer Engineering Lab der Universität von Saskatchewan schlagen wir vor, diese ungefähren Computerlösungen zu entwerfen und zu implementieren, damit sie die Genauigkeit und Effizienz von Software und Hardware optimal miteinander in Einklang bringen können. Als wir diese Lösungen auf eine Core-Computing-Komponente des Prozessors anwendeten, stellten wir fest, dass der Stromverbrauch sank mehr als 50 Prozent fast ohne Leistungseinbußen.

Flexible Präzision

Heutzutage enthalten die meisten PCs ein numerisches 64-Bit-Standardformat. Dies bedeutet, dass sie eine 64-stellige Zahl (entweder Null oder Eins) verwenden, um alle Berechnungen durchzuführen.

Für 3D-Grafiken, virtuelle Realität und erweiterte Realität ist das 64-Bit-Format erforderlich. Die grundlegende Audio- und Bildverarbeitung kann jedoch mit einem 32-Bit-Format durchgeführt werden und liefert dennoch zufriedenstellende Ergebnisse. Darüber hinaus können Deep Learning-Anwendungen sogar verwendet werden 16-Bit- oder 8-Bit-Formate aufgrund ihrer Fehlerresilienz

Innovative Designs in Computerhardware und -software können die Energieeffizienz verbessern. (Shutterstock)

Je kürzer das Zahlenformat ist, desto weniger Energie wird für die Berechnung benötigt. Wir können flexible und dennoch präzise Computerlösungen entwerfen, die unterschiedliche Anwendungen mit dem am besten geeigneten numerischen Format ausführen, um die Energieeffizienz zu fördern.

Zum Beispiel könnte eine Deep-Learning-Anwendung, die diese flexible Computerlösung verwendet, den Energieverbrauch nach unserem vorläufigen Experiment um 15 Prozent senken. Darüber hinaus können die vorgeschlagenen Lösungen so umkonfiguriert werden, dass sie gleichzeitig mehrere Operationen ausführen, die eine geringe numerische Genauigkeit erfordern, und die Leistung verbessern.

Das Internet der Dinge ist vielversprechend, aber wir müssen auch über die Kosten für die Verarbeitung all dieser Daten nachdenken. Mit intelligenteren, umweltfreundlicheren Prozessoren könnten wir dazu beitragen, Umweltprobleme anzugehen und ihren Beitrag zum Klimawandel zu verlangsamen oder zu verringern.

Über den Autor

Seokbum Ko, Professor, University of Saskatchewan

Dieser Artikel wird erneut veröffentlicht Das Gespräch unter einer Creative Commons-Lizenz. Lies das Original Artikel.