محققان همچنین دریافتند که در بیش از 90 درصد از سناریوهای مدل‌سازی شده، برای جلوگیری از زوم کردن انتشار گازهای گلخانه‌ای خودروهای خودمختار از انتشار گازهای گلخانه‌ای مرکز داده فعلی، هر وسیله نقلیه باید کمتر از 1.2 کیلووات انرژی برای محاسبات استفاده کند که به سخت‌افزار کارآمدتری نیاز دارد. در یک سناریو – که در آن 95 درصد از ناوگان جهانی وسایل نقلیه در سال 2050 مستقل است، حجم کار محاسباتی هر سه سال دو برابر می شود و جهان با نرخ فعلی به کربن زدایی ادامه می دهد – آنها دریافتند که کارایی سخت افزار باید سریعتر از هر زمان دیگری دو برابر شود. 1.1 سال برای حفظ انتشار گازهای گلخانه ای در این سطوح.
“بعد از دیدن نتایج، این بسیار منطقی است، اما چیزی نیست که در رادار بسیاری از مردم باشد. این وسایل نقلیه در واقع می توانند از قدرت کامپیوتری زیادی استفاده کنند. آنها دید 360 درجه از جهان دارند. بنابراین در حالی که ما دو چشم داریم، آنها ممکن است 20 چشم داشته باشند، همه جا را نگاه می کنند و سعی می کنند همه چیزهایی را که همزمان اتفاق می افتد درک کنند.”
این تحقیق تا حدی توسط بنیاد ملی علوم و MIT-Accenture Fellowship تأمین مالی شده است.
اکنون که آنها این چارچوب را نشان داده اند، محققان می خواهند به بررسی کارایی سخت افزار و بهبود الگوریتم ادامه دهند. علاوه بر این، آنها می گویند که مدل آنها را می توان با مشخص کردن کربن تجسم یافته از وسایل نقلیه خودمختار – انتشار کربن تولید شده در زمان ساخت خودرو – و انتشار گازهای گلخانه ای از حسگرهای یک وسیله نقلیه بهبود بخشید.
“اگر ما فقط روندهای معمول در کربن زدایی و نرخ فعلی بهبود کارایی سخت افزار را حفظ کنیم، به نظر نمی رسد برای محدود کردن انتشار گازهای گلخانه ای ناشی از محاسبه وسایل نقلیه خودران روی کشتی کافی باشد. این پتانسیل را دارد که سومیا سوداکار، نویسنده اول، دانشجوی فارغ التحصیل هوانوردی و فضانوردی، می‌گوید اگر از آن جلوتر باشیم، می‌توانیم وسایل نقلیه خودکار کارآمدتری طراحی کنیم که از همان ابتدا ردپای کربن کمتری دارند.
در آینده، انرژی مورد نیاز برای راه‌اندازی رایانه‌های قدرتمند در ناوگان جهانی خودروهای خودمختار می‌تواند به اندازه تمام مراکز داده در جهان امروز، انتشار گازهای گلخانه‌ای ایجاد کند.
Sze می گوید: “ما امیدواریم که مردم به آلایندگی ها و کارایی کربن به عنوان معیارهای مهمی که باید در طراحی های خود در نظر بگیرند فکر کنند. مصرف انرژی یک وسیله نقلیه خودران واقعاً حیاتی است، نه تنها برای افزایش عمر باتری، بلکه برای پایداری.”
علاوه بر در نظر گرفتن این عدم قطعیت ها، محققان همچنین نیاز به مدل سازی سخت افزار و نرم افزار محاسباتی پیشرفته ای داشتند که هنوز وجود ندارد.
مراکز داده ای که زیرساخت محاسبات فیزیکی مورد استفاده برای اجرای برنامه ها را در خود جای داده اند، به دلیل ردپای کربن زیادشان به طور گسترده ای شناخته شده اند: طبق گزارش، آنها در حال حاضر حدود 0.3 درصد از انتشار گازهای گلخانه ای جهانی را تشکیل می دهند یا تقریباً به اندازه کربنی که کشور آرژانتین سالانه تولید می کند. آژانس بین المللی انرژی محققان MIT با درک اینکه توجه کمتری به ردپای بالقوه وسایل نقلیه خودران شده است، یک مدل آماری برای مطالعه این مشکل ایجاد کردند. آنها تعیین کردند که 1 میلیارد وسیله نقلیه خودران، که هر یک به مدت یک ساعت در روز با رایانه ای 840 وات رانندگی می کنند، انرژی کافی برای تولید گازهای گلخانه ای مشابه با مراکز داده فعلی مصرف می کنند.
زمانی که آنها از مدل احتمالی برای بررسی سناریوهای مختلف استفاده کردند، سوداکار از سرعت افزایش حجم کار الگوریتم ها شگفت زده شد.
این مدل تابعی از تعداد وسایل نقلیه در ناوگان جهانی، قدرت هر کامپیوتر در هر وسیله نقلیه، ساعت رانندگی هر وسیله نقلیه، و شدت کربن برقی است که هر کامپیوتر را تامین می کند.
کنترل انتشار گازهای گلخانه ای
مدل سازی انتشار گازهای گلخانه ای
برای انجام این کار، آنها حجم کار یک الگوریتم محبوب برای وسایل نقلیه خودران را مدل‌سازی کردند که به عنوان یک شبکه عصبی عمیق چند وظیفه‌ای شناخته می‌شود زیرا می‌تواند بسیاری از وظایف را همزمان انجام دهد. آنها بررسی کردند که اگر این شبکه عصبی عمیق به طور همزمان بسیاری از ورودی های با وضوح بالا را از بسیاری از دوربین ها با نرخ فریم بالا پردازش کند، چقدر انرژی مصرف می کند.
سوداکار این مقاله را با مشاورانش ویوین سزه، دانشیار دپارتمان مهندسی برق و علوم کامپیوتر (EECS) و عضو آزمایشگاه تحقیقاتی الکترونیک (RLE) نوشت. و سرتاک کارامان، دانشیار هوانوردی و فضانوردی و مدیر آزمایشگاه اطلاعات و سیستم های تصمیم گیری (LIDS). این تحقیق در شماره ژانویه و فوریه منتشر شده است IEEE Micro.
یکی از راه های افزایش این کارایی می تواند استفاده از سخت افزار تخصصی تر باشد که برای اجرای الگوریتم های رانندگی خاص طراحی شده است. سوداکار می‌گوید از آنجایی که محققان وظایف ناوبری و درک مورد نیاز برای رانندگی خودران را می‌دانند، طراحی سخت‌افزار تخصصی برای این کارها آسان‌تر است. اما وسایل نقلیه معمولاً عمری 10 یا 20 ساله دارند، بنابراین یکی از چالش‌های توسعه سخت‌افزار تخصصی، «محافظت از آینده» است تا بتواند الگوریتم‌های جدیدی را اجرا کند.
سوداکار می گوید: “به خودی خود، این معادله ساده فریبنده ای به نظر می رسد. اما هر یک از این متغیرها دارای عدم قطعیت زیادی هستند، زیرا ما در حال بررسی یک برنامه در حال ظهور هستیم که هنوز اینجا نیست.”
به عنوان مثال، اگر یک وسیله نقلیه خودمختار دارای 10 شبکه عصبی عمیق باشد که تصاویر 10 دوربین را پردازش می کند و آن وسیله نقلیه یک ساعت در روز رانندگی می کند، هر روز 21.6 میلیون استنتاج می کند. یک میلیارد وسیله نقلیه 21.6 کوادریلیون استنتاج می کنند. برای درک این موضوع، همه مراکز داده فیس بوک در سراسر جهان روزانه چند تریلیون استنتاج می کنند (1 کوادریلیون برابر با 1000 تریلیون است).
در آینده، محققان همچنین می‌توانند الگوریتم‌ها را کارآمدتر کنند، بنابراین به قدرت محاسباتی کمتری نیاز خواهند داشت. با این حال، این نیز چالش برانگیز است زیرا مبادله مقداری دقت برای بهره وری بیشتر می تواند ایمنی خودرو را مختل کند.
او می‌گوید که وسایل نقلیه خودران برای جابجایی کالاها و همچنین افراد مورد استفاده قرار می‌گیرند، بنابراین می‌تواند حجم عظیمی از قدرت محاسباتی در زنجیره‌های تامین جهانی توزیع شود. و مدل آنها فقط محاسبات را در نظر می گیرد – انرژی مصرف شده توسط حسگرهای خودرو یا انتشار گازهای گلخانه ای تولید شده در طول تولید را در نظر نمی گیرد.
این یکی از یافته های کلیدی یک مطالعه جدید از محققان MIT است که مصرف انرژی بالقوه و انتشار کربن مرتبط را در صورت استفاده گسترده از وسایل نقلیه خودران مورد بررسی قرار داده است.
به عنوان مثال، برخی تحقیقات نشان می دهد که مدت زمان رانندگی در وسایل نقلیه خودران ممکن است افزایش یابد زیرا افراد می توانند در حین رانندگی چند کار را انجام دهند و جوانان و افراد مسن می توانند بیشتر رانندگی کنند. اما تحقیقات دیگر نشان می دهد که زمان صرف شده برای رانندگی ممکن است کاهش یابد زیرا الگوریتم ها می توانند مسیرهای بهینه ای را پیدا کنند که افراد را سریعتر به مقصد برساند.
در حالی که هنوز سناریوهای زیادی برای بررسی وجود دارد، محققان امیدوارند که این کار مشکل بالقوه‌ای را که مردم ممکن است در نظر نگرفته‌اند روشن کند.
محققان چارچوبی را برای بررسی انتشار گازهای گلخانه‌ای از رایانه‌های موجود در ناوگان جهانی خودروهای الکتریکی که کاملاً مستقل هستند، ایجاد کردند، به این معنی که به یک راننده انسانی پشتیبان نیاز ندارند.
محققان دریافتند که برای جلوگیری از خروج گازهای گلخانه ای از کنترل، هر وسیله نقلیه خودران برای محاسبات نیاز به مصرف کمتر از 1.2 کیلووات انرژی دارد. برای اینکه این امر امکان پذیر باشد، سخت افزار محاسباتی باید با سرعت قابل توجهی کارآمدتر شود و هر 1.1 سال کارایی آن دو برابر شود.
