Os aparelhos modernos são equipados com vários tipos de chips eletrônicos, incluindo a unidade central de processamento (CPU), a unidade de processamento gráfico (GPU), aceleradores de hardware para inteligência artificial (IA) e unidades de processamento de sinal digital para áudio. Normalmente, esses componentes processam os dados separada e sequencialmente, o que pode retardar o tratamento geral.
Para superar esse desafio, uma equipe de cientistas propõe um quadro de trabalho inovador onde as unidades de processamento funcionam em paralelo, em vez de uma após a outra. Esse método, chamado de "simultâneo e heterogêneo multi-threading" (SHMT), permite que as diferentes unidades trabalhem na mesma região do código de computador ao mesmo tempo, melhorando assim a eficiência do processamento significativamente.
Diferente do "pipelining de software", um método que permite diferentes componentes trabalharem simultaneamente em diferentes tarefas, SHMT permite uma distribuição de tarefas mais flexível entre os componentes. Isso significa que diferentes unidades de processamento podem atacar a mesma parte do código simultaneamente, e então passar para novas tarefas uma vez que sua parte esteja concluída.
Além de acelerar o processamento, SHMT se mostra mais econômico em energia. Muitas tarefas normalmente atribuídas a componentes que consomem muita energia, como o GPU, podem ser delegadas a aceleradores de hardware menos ávidos por energia.
Essa abordagem foi testada em um sistema protótipo composto por um CPU ARM multi-core, um GPU Nvidia e um acelerador de hardware TPU, mostrando desempenho quase duas vezes superior e uma redução no consumo de energia de 51% em comparação a um sistema tradicional.
A adoção dessa estrutura de software nos sistemas existentes poderia não só reduzir os custos de hardware, mas também diminuir as emissões de carbono e a demanda por água doce necessária para o resfriamento de grandes centros de dados, graças a uma gestão mais eficaz e ecológica das cargas de trabalho.
No entanto, os pesquisadores esclarecem que seu estudo, baseado em um protótipo, requer mais trabalhos para avaliar como esse método pode ser aplicado em contextos práticos e quais tipos de aplicações poderiam se beneficiar mais.