Acelerando la velocidad de la ciencia

En el mundo digitalizado de hoy, los investigadores tienen acceso a más datos que nunca. Las unidades de procesamiento central genéricas (CPU) y las unidades de procesamiento de gráficos (GPU) pueden manejar y analizar estos datos, pero pueden ser lentos e ineficientes para ciertas tareas informáticas

Los tipos especiales de dispositivos de hardware y programas de software, llamados aceleradores, pueden aumentar la efectividad de ciertas tareas informáticas. Si bien las grandes corporaciones tienen equipos de programadores e ingenieros para producir estos aceleradores, la mayoría de los investigadores académicos no pueden permitirse este lujo.

Para ayudar a la comunidad de investigación en general, los científicos informáticos del  Laboratorio Nacional del Noroeste del Pacífico (PNNL)  y la Universidad Politécnica de Milán en Italia crearon Svelto, una capacidad de síntesis de alto nivel que apoya la creación de aceleradores para tareas específicas. Esta capacidad optimiza la traducción automática de programas paralelos descritos en un lenguaje de programación de alto nivel para que el componente de hardware pueda aprovechar una plantilla de arquitectura para implementar el cálculo en el programa de entrada. Los resultados de esta investigación se publicaron en  IEEE Transactions on Computers .

“Queríamos empoderar a los investigadores individuales para que crearan sus propios aceleradores”, dijo  Antonino Tumeo, coautor de la publicación . “Esta es nuestra forma de democratizar el diseño de chips”.

Habilitación de análisis más rápidos

Muchos equipos de investigación buscan explorar las relaciones entre grandes conjuntos de datos relacionados que se pueden representar a través de gráficos, un campo en crecimiento llamado análisis de gráficos. Svelto se puede aplicar fácilmente a algoritmos de inteligencia artificial que generan estos gráficos.

Por ejemplo, imagina que inicias sesión en tu cuenta de redes sociales. Decide unirse a un grupo en línea que presenta su nuevo pasatiempo favorito. Una vez que haga clic en el botón “unirse”, aparecerán varias recomendaciones para otros grupos similares. Según su patrón de comportamiento en línea y los comportamientos de usuarios similares, el algoritmo le proporciona recomendaciones basadas en lo que predice que le gustará. Este es un ejemplo de análisis de gráficos en acción. Otras aplicaciones incluyen ciberseguridad, rastreo de COVID y marketing dirigido.

“Cuando las CPU tradicionales serían ineficientes debido a los largos tiempos de latencia en espera de datos, Svelto ayuda a tolerar la latencia al aprovechar un enfoque llamado multi-threading. Svelto proporciona una plantilla para la generación automática, a través de un compilador, de aceleradores personalizados diseñados específicamente para análisis de gráficos y aplicaciones irregulares ”, dijo  Marco Minutoli, coautor de la publicación IEEE .

Se puede acceder a Svelto a través de Github  y se puede utilizar para generar aceleradores de análisis de gráficos a partir del código de algoritmos. Además, cualquier compilador y / o experto en arquitectura informática puede contribuir al marco de código abierto.

“Esto es todavía muy temprano”, dijo  Vito Castellana, otro coautor de PNNL , “pero nuestro enfoque podría beneficiar a los investigadores de ciencias de dominio en muchos campos diferentes, a través del soporte para varias capacidades de ciencia de datos, incluida la minería de datos, la bioinformática y el aprendizaje automático. Podría permitir a los investigadores de arquitectura informática explorar rápidamente la aceleración del análisis de datos utilizando nuevas tecnologías de memoria “.

Otros autores de esta publicación son Nicola Saporetti, Stefano Devecchi, Marco Lattuada, Pietro Fezzardi y Fabrizio Ferrandi de la Universidad Politécnica de Milán. El trabajo fue financiado por la  Iniciativa de Convergencia de Modelos de Datos  en PNNL, el Programa de Aprendizaje Automático en Tiempo Real de la Agencia de Proyectos de Investigación Avanzada de Defensa y el Programa de Análisis de Datos de Alto Rendimiento en PNNL.

Fuente: PNNL

Link: https://www.technology.org/2021/06/21/accelerating-the-speed-of-science/