Tiedote

Sähköä säästyy, kun datan tarkkuutta vähennetään hallitusti

Jari Nurmi Tampereen yliopiston Hervannan kampuksella.
- Ohjelmassa koulutetaan uuden sukupolven huippututkijoita yhteistyössä eurooppalaisten huippuasiantuntijoiden kanssa kehittämään uraauurtavia energiansäästöratkaisuja", kertoo tutkimuksen johtaja, tietotekniikan professori Jari Nurmi Hervannan kampuksella.
Tietokoneet, esineiden internet (IoT) ja tehokkaat mobiililaajakaistat käyttävät niin paljon energiaa, että niiden sähkönkulutus uhkaa ylittää sähköntuotannon vuonna 2040. Tampereen yliopiston koordinoimassa kansainvälisessä tutkimushankkeessa selvitetään, kuinka datan tarkkuuden vähentäminen voi säästää energiaa.

Marraskuussa käynnistyvän APROPOS-hankkeen (Approximate Computing for Power and Energy Optimisation) tavoitteena on vähentää tietojärjestelmien energiankulutusta uusien teknologioiden avulla. Tutkimuksen keskiössä on approksimaatiolaskenta, jolla voidaan saavuttaa optimaalinen tasapaino datan tarkkuuden ja energiankulutuksen välille.

Mitä tarkempaa dataa vaaditaan, sitä enemmän aikaa ja tehokkaampia tietokoneita tarvitaan. Samalla kuluu enemmän sähköä. Nurmen mukaan monissa tiedonhankinta-, tiedonsiirto, laskenta- ja tietovarastojärjestelmissä on mahdollista tehdä kompromissi.

– Aikaa ja energiaa säästyy, kun tarkkuutta vähennetään. Datan optimointi voi säästää sähköä jopa 10–50-kertaisesti täyden tarkkuuden laskentaan verrattuna, kertoo tutkimuksen johtaja, tietotekniikan professori Jari Nurmi Tampereen yliopiston Informaatioteknologian ja viestinnän tiedekunnasta.

Datan riittävä tarkkuus riippuu tilanteesta

Kun lopputulosta tarkastellaan ihmissilmin tai -korvin, pieni epätarkkuus tai satunnaiset virheet eivät yleensä haittaa.  Esimerkiksi digitaalisen valokuvan pakkaaminen vähentää pikseleiden määrää, mutta kuvan laatu voi silti olla riittävä. Datan tarkkuuden sopiva taso riippuu tilanteesta.

– Nyrkkisääntö on, että henkeen ja terveyteen liittyvän datan pitää aina olla mahdollisimman tarkkaa. Sen sijaan esimerkiksi koneoppimisessa voidaan toimia pienillä tarkkuuksilla ja silti saada haluttu tulos. Myös tiedonlouhintajärjestelmä saattaa toimia karkeallakin jaottelulla eikä jokin dataa hyödyntävä sovellus välttämättä edellytä ehdottoman tarkkoja tuloksia, Nurmi toteaa.

Yhtenä kiinnostavana approksimaatiolaskennan soveltamiskohteena Nurmi mainitsee autonomisen ajamisen. Tutkimuksessa selvitetäänkin myös sitä, millaisissa tilanteissa ja millainen data on riittävää, kun ajoneuvoa ajetaan ilman kuljettajaa.

Uusia osaajia kehittämään ratkaisuja energian säästämiseen

Kiinnostus approksimaatiolaskentaa kohtaan on viime vuosina kasvanut. Arkkitehtuuri-, ohjelmisto- ja järjestelmätason ratkaisujen osaajille on kysyntää. Tutkimuksen ja koulutuksen avulla pyritään löytämään uusia menetelmiä ja työkaluja sähkön säästämiseksi.

– Tärkeä osa hanketta on uusien osaajien kouluttaminen. Approksimaatiolaskennalla on ehdottomasti globaalia potentiaalia, Nurmi uskoo.

Kansainvälisessä hankkeessa koulutetaan 15 väitöskirjatutkijaa kehittämään approksimaatiolaskennan avulla uusia energiansäästöratkaisuja sulautetuille ja suurteholaskentajärjestelmille. Tutkijahaku käynnistyy vuodenvaihteessa.

Nelivuotisessa APROPOS-tutkimushankkeessa on mukana 14 organisaatiota eri puolilta Eurooppaa. Tutkimus on saanut rahoituksen arvostetusta tutkimusalan kansainvälisestä Marie Skłodowska-Curie -liikkuvuusrahoitusohjelmasta. Hankkeen kokonaisbudjetti on noin 4 miljoonaa euroa.

Lisätiedot:

Jari Nurmi
puh. 040 506 4460
jari.nurmi [at] tuni.fi

Teksti: Anna Aatinen
Kuva: Sari Laapotti

Mikä ihmeen approksimaatio?

Approksimaatio tarkoittaa arviota. Se sallii satunnaiset tai pienet jatkuvat virheet. Approksimaatio on käyttökelpoinen, jos tarjolla ei ole kaikkea tarvittavaa tietoa aiheesta tai tietoa on liikaa. Approksimaation vaikutukset ratkaisuun voi testata esimerkiksi simulaatiolla.

Uusimmat uutiset kategoriassa Tiedote

Uusimmat uutiset