Din smartphone är mycket kraftfullare än NASA-datorerna som satte Neil Armstrong och Buzz Aldrin på månen 1969, men det är också ett energisvin. Inom datorer, energianvändning anses ofta vara ett sekundärt problem till hastighet och lagring, men med takten och riktningen av tekniska framsteg, det blir ett växande miljöproblem.

När kryptovalutagruvföretaget Hut 8 öppnade Kanadas största bitcoin-gruvprojekt utanför Medicine Hat, Alta., miljöaktivister slog larm. Anläggningen förbrukar 10 gånger mer el, till stor del producerad av ett naturgaseldat kraftverk, än någon annan anläggning i staden.

Globalt, växthusgasutsläpp (GHG) från informationen, kommunikations- och tekniksektorerna (IKT) förväntas nå motsvarande 1,4 gigaton (miljarder ton) koldioxid årligen 2020. Det är 2,7 procent av de globala växthusgaserna och ungefär det dubbla Kanadas totala årliga produktion av växthusgaser.

Genom att designa energieffektiva datorprocessorer kan vi minska energiförbrukningen, och vi skulle kunna minska utsläppen av växthusgaser på platser där el kommer från fossila bränslen. Som dataingenjör specialiserad på datorarkitektur och aritmetik, mina kollegor och jag är övertygade om att dessa positiva effekter kan uppnås nästan utan inverkan på datorns prestanda eller användarvänlighet.

Kraftfulla anslutningar

Internet of Things (IoT) — som består av anslutna datorenheter inbäddade i vardagliga föremål — ger redan positiva ekonomiska och sociala effekter, förändra våra samhällen, miljön och våra livsmedelskedjor till det bättre.

Dessa enheter övervakar och minskar luftföroreningar, förbättra vattenbesparingen och mata en hungrig värld. De gör också våra hem och företag mer effektiva, styra termostater, belysning, vattenvärmare, kylskåp och tvättmaskiner.

Med antalet anslutna enheter satt till topp 11 miljarder — exklusive datorer och telefoner — 2018, IoT kommer att skapa stora data som kräver enorma beräkningar.

Att göra beräkningar mer energieffektiva skulle spara pengar och minska energianvändningen. Det skulle också göra det möjligt för batterierna som ger ström i datorsystem att vara mindre eller köras längre. Dessutom, beräkningar kan gå snabbare, så datorsystem skulle generera mindre värme.

Ungefärlig beräkning

Dagens datorsystem är designade för att leverera exakta lösningar till en hög energikostnad. Men många feltåliga algoritmer som bild, ljud- och videobehandling, datautvinning, sensordataanalys och djupinlärning kräver inga exakta svar.

Denna onödiga noggrannhet och överdrivna energiförbrukning är slöseri. Det finns begränsningar för människans uppfattning – vi behöver inte alltid 100 procents noggrannhet för att vara nöjda med resultatet. Till exempel, mindre förändringar i kvaliteten på bilder och videor går ofta obemärkt förbi.

Datorsystem kan dra fördel av dessa begränsningar för att minska energianvändningen utan att ha en negativ inverkan på användarupplevelsen. "Approximate computing" är en beräkningsteknik som ibland returnerar felaktiga resultat, vilket gör det användbart för applikationer där ett ungefärligt resultat är tillräckligt.

Vid University of Saskatchewans datatekniklabb, vi föreslår att designa och implementera dessa ungefärliga datorlösningar, så att de optimalt kan avväga noggrannhet och effektivitet mellan mjukvara och hårdvara. När vi tillämpade dessa lösningar på en kärnkomponent i processorn, vi fann att strömförbrukningen sjönk med mer än 50 procent med nästan ingen minskning av prestanda.

Flexibel precision

Nu för tiden, de flesta persondatorer innehåller ett 64-bitars numeriskt standardformat. Det betyder att de använder ett tal med 64 siffror (antingen noll eller en) för att utföra alla beräkningar.

3D-grafik, virtual reality och augmented reality kräver att 64-bitarsformatet fungerar. Men grundläggande ljud- och bildbehandling kan göras med ett 32-bitars format och ändå ge tillfredsställande resultat. Dessutom, djupinlärningsapplikationer kan till och med använda 16-bitars eller 8-bitars format på grund av deras felmotståndskraft

Ju kortare numeriskt format, desto mindre energi går åt för att utföra beräkningen. Vi kan designa flexibelt, ändå exakt, datorlösningar som kör olika applikationer med det mest lämpliga numeriska formatet så att det främjar energieffektivitet.

Till exempel, en applikation för djupinlärning som använder denna flexibla datorlösning kan minska energiförbrukningen med 15 procent, enligt vårt preliminära experiment. Dessutom, de föreslagna lösningarna kan konfigureras om för att samtidigt utföra flera operationer som kräver låg numerisk precision och förbättra prestandan.

IoT har mycket lovande, men vi måste också tänka på kostnaderna för att behandla alla dessa uppgifter. Med smartare, grönare processorer kan vi hjälpa till att ta itu med miljöproblem och bromsa eller minska deras bidrag till klimatförändringen.

Den här artikeln är återpublicerad från The Conversation under en Creative Commons-licens. Läs originalartikeln.