Durante años, los responsables de operar centros de datos, han utilizado técnicas de análisis convencionales para calcular la demanda energética de los ordenadores que albergan dichos centros. Estos métodos se basaban en desglosar cada tarea en múltiples fases y emular el comportamiento de cada componente de la unidad de procesamiento de manera secuencial. Dicho cálculo suele requerir desde varias horas hasta varios días para finalizar debido a la magnitud de las rutinas implicadas.
No obstante, el incremento de presión que supone la ejecución de cargas de la IA, que ha llevado al despliegue de una gran cantidad de centros de datos de nuevo cuño, y la preocupación que esto ha comportado por su consumo energético global, ha provocado que la necesidad de calcular de manera precisa, pero también rápida, el consumo energético que tendrá un centro de datos, sea más acuciante que nunca.
Y, ante este escenario, un grupo de investigadores del Instituto Tecnológico de Massachusetts y del centro conjunto MIT-IBM Watson AI Lab, iniciaron un proyecto destinado a acortar dichos tiempos de cálculo. El equipo constató que las cargas de trabajo de los sistemas de IA presentan secuencias repetitivas originadas por las prácticas de programación orientadas a repartir el esfuerzo entre núcleos paralelos y trasladar grandes bloques de información.
A partir de la identificación de estas regularidades, los científicos elaboraron un modelo preliminar orientado a capturar los hábitos de uso a partir de dichas optimizaciones de código. El proceso se explica con mayor detalle en el sitio web del MIT, y el producto final de esta investigación fue denominado EnergAIzer.
Las evaluaciones efectuadas con parámetros reales demostraron que la plataforma presenta un margen de desviación del 8%, equiparable a las métricas de los sistemas de emulación preexistentes pero con la capacidad de generar los resultados en cuestión de segundos.
Según las partes implicadas en su desarrollo, EnergAlzer permite a los administradores introducir los detalles de la operativa que planean ejecutar junto con la cantidad y duración de las entradas de los usuarios, y el sistema devuelve un resultado en formato numérico que posibilita asignar los recursos disponibles de manera fundamentada, ayudando a los diseñadores de algoritmos a conocer las consecuencias energéticas de sus creaciones de manera previa a su despliegue comercial.
La interfaz permite modificar las especificaciones del microprocesador o variar las frecuencias de funcionamiento para estudiar cómo inciden estos cambios en la demanda total.
En cuanto a las futuras líneas de actuación, los autores tienen previsto someter la herramienta a ensayos con las generaciones más recientes de procesadores, y los siguientes pasos incluyen la ampliación del alcance del software para que consiga predecir las necesidades combinadas de múltiples componentes trabajando de manera sincronizada en una misma carga de trabajo.
