{"id":21926,"date":"2023-10-18T02:00:54","date_gmt":"2023-10-18T02:00:54","guid":{"rendered":"https:\/\/domosistemas.com\/?p=21926"},"modified":"2023-10-18T02:00:54","modified_gmt":"2023-10-18T02:00:54","slug":"el-mit-desarrolla-tecnicas-que-ayudan-a-los-centros-de-datos-a-optimizar-el-uso-de-energia-electrica","status":"publish","type":"post","link":"https:\/\/domosistemas.com\/?p=21926","title":{"rendered":"El MIT desarrolla t\u00e9cnicas que ayudan a los centros de datos a optimizar el uso de energ\u00eda el\u00e9ctrica"},"content":{"rendered":"
\n

Seg\u00fan los pron\u00f3sticos, se estima que los centros de datos absorber\u00e1n hasta el 21% del suministro mundial de electricidad para 2030. Con estos pron\u00f3sticos, el Centro de Supercomputaci\u00f3n del Laboratorio Lincoln (LLSC) del Instituto Tecnol\u00f3gico de Massachussets (MIT<\/a>) est\u00e1 desarrollando t\u00e9cnicas para ayudar a los centros de datos a optimizar el uso de energ\u00eda. Sus t\u00e9cnicas van desde cambios simples, como hardware que limita la energ\u00eda, hasta la adopci\u00f3n de herramientas novedosas que pueden detener el entrenamiento de la inteligencia artificial (IA) desde el principio.<\/p>\n

\"Centro
El MIT est\u00e1 trabajando para reducir el consumo energ\u00e9tico de los centros de datos.<\/figcaption><\/figure>\n

En un panorama m\u00e1s amplio, su trabajo est\u00e1 movilizando la investigaci\u00f3n sobre inform\u00e1tica ecol\u00f3gica y promoviendo una cultura de transparencia. Como muchos centros de datos, el LLSC ha experimentado un aumento significativo en la cantidad de trabajos de IA que se ejecutan en su hardware. Al notar un aumento en el uso de energ\u00eda, los cient\u00edficos inform\u00e1ticos del LLSC sintieron curiosidad por encontrar formas de ejecutar trabajos de manera m\u00e1s eficiente.<\/p>\n

Entrenar un modelo de IA requiere el uso de unidades de procesamiento de gr\u00e1ficos (GPU), que son hardware que consumen mucha energ\u00eda. Como ejemplo, se estima que las GPU que entrenaron GPT-3 (el precursor de ChatGPT) consumieron 1.300 MWh de electricidad, aproximadamente igual a la utilizada por 1.450 hogares estadounidenses promedio por mes.<\/p>\n

Limitaci\u00f3n de la potencia para ahorrar energ\u00eda<\/h2>\n

Si bien la mayor\u00eda de la gente busca GPU debido a su potencia computacional, los fabricantes ofrecen formas de limitar la cantidad de energ\u00eda que una GPU puede consumir. Los investigadores estudiaron los efectos de limitar la potencia y descubrieron que pod\u00edan reducir el consumo de energ\u00eda entre un 12% y un 15%, seg\u00fan el modelo.<\/p>\n

La compensaci\u00f3n por limitar la potencia es aumentar el tiempo de tarea. Las GPU tardar\u00e1n alrededor de un 3% m\u00e1s en completar una tarea, un aumento que es apenas perceptible considerando que los modelos a menudo se entrenan durante d\u00edas o incluso meses.<\/p>\n

En uno de los experimentos en el que entrenaron el popular modelo de lenguaje BERT, al limitar la potencia de la GPU a 150 vatios se obtuvo un aumento de dos horas en el tiempo de entrenamiento (de 80 a 82 horas), pero se ahorr\u00f3 el equivalente a una semana de energ\u00eda en un hogar estadounidense. Posteriormente, el equipo cre\u00f3 un software que conecta esta capacidad de limitaci\u00f3n de energ\u00eda al sistema de programaci\u00f3n ampliamente utilizado, Slurm. El software permite a los propietarios de centros de datos establecer l\u00edmites en todo su sistema o trabajo por trabajo.<\/p>\n

Tambi\u00e9n han surgido beneficios secundarios. Desde que se implementaron restricciones de energ\u00eda, las GPU de las supercomputadoras LLSC han estado funcionando aproximadamente 30\u00ba Fahrenheit m\u00e1s fr\u00edas y a una temperatura m\u00e1s constante, lo que reduce la tensi\u00f3n en el sistema de enfriamiento. Hacer funcionar el refrigerador de hardware puede aumentar potencialmente la confiabilidad y la vida \u00fatil. Los investigadores est\u00e1n buscando formas de reducir las necesidades de refrigeraci\u00f3n programando los trabajos, para que se ejecuten durante la noche y durante los meses de invierno.<\/p>\n

Desarrollo de modelos de IA m\u00e1s eficientes<\/h2>\n

Adem\u00e1s de realizar ajustes en las operaciones del centro de datos, el equipo est\u00e1 ideando formas de hacer que el desarrollo de modelos de IA sea m\u00e1s eficiente. Al entrenar modelos, los desarrolladores de IA a menudo se centran en mejorar la precisi\u00f3n y se basan en modelos anteriores como punto de partida. Para lograr el resultado deseado, tienen que determinar qu\u00e9 par\u00e1metros usar, y hacerlo bien puede requerir probar miles de configuraciones. Este proceso, llamado optimizaci\u00f3n de hiperpar\u00e1metros, es un \u00e1rea que los investigadores de LLSC han encontrado madura para reducir el desperdicio de energ\u00eda.<\/p>\n

En sus estudios, se ha obtenido una reducci\u00f3n del 80% en la energ\u00eda utilizada para el entrenamiento del modelo. Han aplicado esta t\u00e9cnica a modelos desarrollados para aplicaciones de visi\u00f3n por computadora, procesamiento de lenguaje natural y dise\u00f1o de materiales.<\/p>\n

La entrada El MIT desarrolla t\u00e9cnicas que ayudan a los centros de datos a optimizar el uso de energ\u00eda el\u00e9ctrica<\/a> aparece primero en CASADOMO<\/a>.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Seg\u00fan los pron\u00f3sticos, se estima que los centros de datos absorber\u00e1n hasta el 21% del suministro mundial de electricidad para 2030. Con estos pron\u00f3sticos, el Centro de Supercomputaci\u00f3n del Laboratorio Lincoln (LLSC) del Instituto Tecnol\u00f3gico de Massachussets (MIT) est\u00e1 desarrollando t\u00e9cnicas para ayudar a los centros de datos a optimizar el uso de energ\u00eda. Sus … Sigue leyendo El MIT desarrolla t\u00e9cnicas que ayudan a los centros de datos a optimizar el uso de energ\u00eda el\u00e9ctrica<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-21926","post","type-post","status-publish","format-standard","hentry","category-casadomo-com"],"_links":{"self":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/21926","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=21926"}],"version-history":[{"count":0,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/21926\/revisions"}],"wp:attachment":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=21926"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=21926"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=21926"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}