NSF 36 میلیون دلار در پروژه های محاسباتی سرمایه گذاری می کند که وعده به حداکثر رساندن بهره وری، کاهش نیازهای انرژی را می دهد | NSF

بنیاد ملی علوم ایالات متحده 36 میلیون دلار به سه پروژه انتخاب شده به دلیل پتانسیل آنها برای ایجاد تحول در محاسبات و تأثیر قابل توجهی در کاهش ردپای کربن چرخه حیات محاسبات اهدا می کند. بودجه پروژه ها از برنامه NSF Expeditions in Computing (Expeditions) تامین می شود، یک ابتکار بلندپروازانه که از تحقیقات تحول آفرین حمایت می کند که می تواند منجر به تأثیر ماندگار بر جامعه، اقتصاد و پیشرفت فناوری شود. پروژه‌هایی که توسط اکسپدیشن‌ها تأمین مالی می‌شوند با جاه‌طلبی و پتانسیل آن‌ها برای تحول، استفاده از پیشرفت‌ها در محاسبات و زیرساخت‌های سایبری برای تسریع کشف و نوآوری در زمینه‌های مختلف علم و مهندسی مشخص می‌شوند.

دیلما داسیلوا، دستیار مدیر علوم و مهندسی کامپیوتر و اطلاعات NSF (CISE) گفت: “ما از اعلام این پروژه های رویایی که مسئولیت زیست محیطی را ارتقا می دهند و نوآوری محاسباتی را تقویت می کنند، هیجان زده ایم.” به این تیم های پیشگام تبریک می گوییم که تحقیقاتشان زمینه جدیدی را در کربن زدایی محاسباتی و ایجاد انقلابی در طراحی سیستم عامل با یادگیری ماشین ایجاد خواهد کرد.

اکسپدیشن های برنده جایزه NSF در سال 2024

اکسپدیشن های NSF در محاسبات: اتصال کربن – اکوسیستمی برای محاسبات پایدار. این ابتکار تحقیقاتی پنج ساله به رهبری دانشگاه هاروارد، پایه‌های محاسبات پایدار را با تاکید بر کاهش اثرات زیست‌محیطی سیستم‌های محاسباتی پایه‌ریزی می‌کند. این تغییر به سمت پایداری می‌تواند باعث ایجاد تحول در نحوه تولید، توزیع و استفاده از سیستم‌های محاسباتی شود که منجر به رویکرد مسئولانه‌تر و پایدارتر برای پیشرفت فناوری محاسبات شود. Carbon Connect با بازتعریف روشی که دانشمندان کامپیوتر به پایداری زیست محیطی نگاه می کنند، استانداردهای جدیدی را برای حسابداری کربن در صنعت رایانه تعیین می کند و از این طریق بر سیاست ها و قوانین انرژی آینده تأثیر می گذارد.

همکاران در این پروژه عبارتند از دانشگاه پنسیلوانیا، موسسه فناوری کالیفرنیا، دانشگاه کارنگی ملون، دانشگاه کرنل، دانشگاه ییل و دانشگاه ایالتی اوهایو.

اکسپدیشن های NSF در فناوری های محاسباتی برای کربن زدایی محاسباتی در مقیاس متوسط ​​زیرساخت های عمومی. این پروژه توسط دانشگاه ماساچوست آمهرست رهبری می شود زمینه نوظهور کربن زدایی محاسباتی (CoDec) را توسعه خواهد داد که بر بهینه سازی و کاهش انتشار کربن چرخه زندگی در سیستم های محاسباتی پیچیده و زیرساخت های عمومی تمرکز دارد. CoDec به وابستگی های متقابل در جنبه های مختلف زیرساخت، از جمله محاسبات، حمل و نقل، ساختمان ها و شبکه برق می پردازد. از طریق رویکردهای نوآورانه حسگر، روش‌های بهینه‌سازی مبتنی بر تئوری و هوش مصنوعی، و رابط‌های تعریف‌شده توسط نرم‌افزار، CoDec قصد دارد بهینه‌سازی‌های بهره‌وری کربن را در زمان، مکان و بخش‌ها خودکار و هماهنگ کند. این تلاش‌ها ضمن حمایت از رشد پایدار، پیشرفت فن‌آوری و تقویت امنیت ملی، پیشرفت‌های علمی در کربن‌زدایی را ممکن می‌سازد.

همکاران در این پروژه عبارتند از دانشگاه کارنگی ملون، MIT، دانشگاه شیکاگو، UCLA، و دانشگاه ویسکانسین مدیسون.

NSF Expeditions in Computing: سیستم عامل یادگیری محور – یک الگوی تمیز برای طراحی و پیاده سازی سیستم عامل. این پروژه به رهبری دانشگاه تگزاس در آستین، با ادغام یادگیری ماشینی پیشرفته (ML) در مدیریت منابع، طراحی سیستم عامل (OS) را متحول کند. سیستم‌عامل‌های فعلی از روش‌های سخت و مهندسی شده برای تخصیص منابع سخت‌افزاری بین برنامه‌های در حال اجرا استفاده می‌کنند. این انعطاف ناپذیری، انطباق با نیازهای متغیر برنامه ها و سخت افزار را دشوار می کند و منجر به ناکارآمدی و عملکرد ضعیف می شود. این تحقیق یک سیستم عامل یادگیری محور با هوش ذاتی و سازگاری خودکار ایجاد می کند، که مدیریت منابع مبتنی بر ML را قادر می سازد که عملکرد و کارایی را بهینه می کند و به حداقل مداخله انسانی نیاز دارد. با بازنگری اساسی در طراحی سیستم عامل با ML در هسته آن، این تحقیق پتانسیل این را دارد که بهره وری انرژی رایانش ابری را تا حد زیادی بهبود بخشد، برنامه های محاسباتی لبه زمان واقعی را فعال کند و دستگاه های محاسباتی نوآورانه ایجاد کند.

درباره برنامه Expeditions

NSF Expeditions در سال 2008 تاسیس شد جوایز برخی از بزرگترین سرمایه گذاری های ارائه شده توسط اداره CISE را نشان می دهد. کارهای پیشگامی که توسط این برنامه تامین می شود شامل پروژه Robobee و CompSustNet.

پروژه‌های اعزامی بر ایجاد فناوری‌ها، روش‌ها و زیرساخت‌های متحول کننده تمرکز می‌کنند که می‌تواند توسط جامعه تحقیقاتی، صنعت یا جامعه به طور کلی اتخاذ شود. این برنامه بر ترجمه یافته های تحقیقاتی به کاربردهای عملی تأکید می کند و در نتیجه پیشرفت در علوم رایانه و کاربردهای واقعی آن را تحریک می کند.