p As unidades de processamento gráfico (GPUs) são usadas para muitas tarefas de computação intensiva. Seu processo de envelhecimento pode ser retardado por uma gestão inteligente, como TU Wien (Viena) e a Universidade da Califórnia (Irvine) já mostraram. p As unidades de processamento gráfico não são usadas apenas para exibir gráficos. Hoje, eles são freqüentemente usados ​​para cálculos particularmente desafiadores - por exemplo, em pesquisas científicas ou até mesmo na mineração de Bitcoins.

p Contudo, seu desempenho geralmente diminui com o tempo. À medida que os núcleos individuais da unidade de processamento envelhecem, eles não funcionam mais juntos perfeitamente. TU Wien e a Universidade da Califórnia, Irvine desenvolveu, portanto, um método de gerenciamento de chip aprimorado, que distribui as tarefas de processamento de forma eficiente. Em mais de 95% dos casos, isso pode retardar o processo de envelhecimento das GPUs.

p Computação Altamente Paralela

p "Os computadores padrão que usamos em casa têm apenas alguns núcleos de processador. Uma unidade de processamento gráfico, por outro lado, consiste em um grande número de núcleos - normalmente centenas ou milhares", diz o professor Muhammad Shafique (Instituto de Engenharia da Computação, TU Wien). Portanto, GPUs são extremamente úteis para cálculos paralelos, em que uma tarefa pode ser dividida em muitos cálculos menores que podem ser resolvidos independentemente uns dos outros, por núcleos diferentes ao mesmo tempo.

p Os núcleos, Contudo, nunca são completamente idênticos. “As estruturas da GPU são muito pequenas. Sempre haverá pequenas imperfeições e desvios devido ao processo de produção”, diz Muhammad Shafique. Portanto, o envelhecimento tem diferentes efeitos em diferentes núcleos. Sob estresse, o desempenho de diferentes núcleos se distanciará.

p Este é um problema para computação paralela. Quando uma tarefa é distribuída entre vários núcleos e o sistema tem que esperar o último terminar antes que a próxima etapa do cálculo possa ser iniciada, o núcleo mais lento determina a velocidade geral do processo. Isso pode reduzir drasticamente o desempenho da GPU.

p Técnicas de gestão inteligente

p Muhammad Shafique e a equipe do Professor Mohammad Al Faruque (Universidade da Califórnia, Irvine) deseja resolver este problema usando métodos de gerenciamento inteligentes:"Primeiro, é fundamental saber o estado dos núcleos individuais ", diz Muahmmad Shafique. "Então, podemos distribuir diferentes tarefas de tal forma entre os núcleos que o estresse físico seja distribuído de maneira ideal."

p Núcleos com propriedades semelhantes são combinados em "clusters", que são então atribuídos a tarefas mais ou menos desafiadoras - dependendo de seu status atual. Dessa maneira, o processo de envelhecimento pode ser retardado, o desempenho geral do sistema aumenta. "Já existem ideias sobre como retardar o processo de envelhecimento das GPUs com técnicas baseadas em compiladores, mas nosso método é muito mais eficaz. Funciona em mais de 95% dos casos ", diz Muhammad Shafique.