Az informatikai világban egyre nő az igény a hatékonyabb és gyorsabb számítógépes teljesítményre. Az elmúlt években számos újítás és fejlesztés látott napvilágot ezen a területen, és most egy új, forradalmian új megközelítés került a figyelem középpontjába.
Hung-Wei Tseng, a University of California – Riverside (UCR) villamos- és számítástechnika docense által vezetett kutatócsoport megalkotta a „Simultaneous and Heterogeneous Multithreading – SHMT” keretrendszert, amely valóra váltja ezt a lehetőséget, hogy az okostelefonoktól a szerverekig terjedő eszközök teljesítményét megduplázzák a már meglévő hardverek felhasználásával.
A kutatók rámutattak arra, hogy a mai számítógépekben már megtalálhatók olyan alapvető összetevők, mint a grafikus feldolgozóegységek (GPU-k), a mesterséges intelligencia (MI) és a gépi tanulás (ML) hardveres gyorsítói vagy digitális jelfeldolgozó egységek.
Ezek a komponensek azonban jelenleg külön-külön dolgoznak, ami szűk keresztmetszetet eredményez a feldolgozási folyamatban.
Az SHMT keretrendszer azonban megoldást nyújt erre a problémára, Tseng és csapata bemutatta a SHMT keretrendszer kifejlesztését egy beágyazott rendszerplatformon, amely egyidejűleg használ egy többmagos ARM processzort, egy Nvidia GPU-t és egy Tensor Processing Unit hardvergyorsítót. Ez a rendszer szinte képes megduplázni a számítási sebességet, miközben jelentős energiamegtakarítást is elér.
A kutatók szerint a keretrendszer bevezetése jelentős költségmegtakarítást hozhat a számítógépes hardverek terén, valamint csökkentheti a szerverek működéséhez szükséges energia előállításából származó CO2-kibocsátást.
Emellett segíthet csökkenteni a szerverek hűtési igényeit is, ami további energia- és költségmegtakarítást jelenthet.
Bár az SHMT keretrendszer ígéretesnek tűnik, Tseng tanulmánya figyelmeztet arra, hogy további kutatásokra van szükség a rendszer megvalósításával, hardvertámogatással és kódoptimalizálással kapcsolatban, ugyanakkor az eredmények ígéretesek, és jelentős előrelépést hozhatnak a számítógépes teljesítmény terén.