Resource-aware Research on Universe and Matter: Call-to-Action in Digital Transformation

Resumen Técnico: Investigación consciente de los recursos sobre el Universo y la Materia: Llamada a la acción en la transformación digital

Declaración del Problema
El artículo aborda el conflicto urgente entre la creciente demanda computacional de la investigación sobre el Universo y la Materia (ErUM) y el imperativo global de reducir las emisiones de gases de efecto invernadero (GEI) para evitar puntos de inflexión climáticos. Si bien el Acuerdo de París exige una reducción del 50% en las emisiones globales en un plazo de siete años, la infraestructura digital que respalda la investigación ErUM —caracterizada por tasas masivas de datos provenientes de la física de altas energías, la astrofísica y las ciencias de fotones/neutrones— consume una cantidad significativa de energía. Los autores señalan que los centros de datos representan actualmente aproximadamente el 1% del consumo energético global, una cifra proyectada a aumentar a medida que crezcan los volúmenes de datos (por ejemplo, de terabits por segundo en instalaciones futuras como el Square Kilometre Array). El desafío central consiste en mantener el progreso científico y la adquisición de conocimientos mientras se reduce drásticamente la huella de carbono de la computación, el almacenamiento y el procesamiento algorítmico.

Metodología
Este trabajo no es un estudio experimental, sino una síntesis estratégica basada en un taller de tres días celebrado en mayo de 2023, que contó con la participación de científicos de la comunidad ErUM-Data en Alemania y colaboradores internacionales. La metodología incluyó:

1. Deliberación Estructurada: El taller fue guiado por doce preguntas preformuladas (detalladas en el Apéndice A) que abarcaban hardware, datos, algoritmos, suministro energético y cambios culturales.
2. Desarrollo de un Portafolio: Los participantes analizaron las prácticas actuales e identificaron medidas accionables en seis dominios específicos: transformación inteligente de datos, ingeniería de software, algoritmos/IA, infraestructura de computación, educación y apoyo institucional.
3. Categorización por Viabilidad: Las medidas identificadas se categorizaron en función del tiempo y el esfuerzo requeridos para su implementación: inmediato/corto plazo, mediano plazo (unos pocos años) y largo plazo (planificación coordinada).
4. Análisis Contextual: Los autores integraron datos existentes sobre el consumo energético (por ejemplo, valores de PUE, uso específico en GWh de centros de computación alemanes) y los alcances de emisiones (Alcance 1, 2 y 3) para fundamentar sus recomendaciones en la realidad técnica.

Contribuciones Clave
El artículo propone un "portafolio de medidas" integral para transicionar la investigación ErUM hacia la sostenibilidad. Las contribuciones se organizan en seis áreas técnicas y organizativas:

1. Transformación Inteligente de Datos:

   • Aboga por datos FAIR (Localizables, Accesibles, Interoperables, Reutilizables) para maximizar la reutilización y minimizar el procesamiento redundante.
   • Propone "modelos basados en flujos" donde los datos crudos se procesan en línea y se descartan si no tienen valor científico, en lugar de almacenar todos los datos crudos.
   • Sugiere optimizar el almacenamiento de resultados intermedios del flujo de trabajo (instantáneas) para equilibrar los costos de almacenamiento frente a la energía requerida para el recálculo.

2. Ingeniería de Software y Análisis de Datos:

   • Enfatiza la transición del "código espagueti" a software profesional, modular y con control de versiones para prevenir el "abandono de software" y garantizar la reproducibilidad.
   • Exige la integración de la eficiencia energética como una métrica principal de calidad del software, junto con los estándares de referencia habituales.
   • Recomienda la paralelización automatizada, la vectorización y la adaptación a nuevas arquitecturas de CPU (por ejemplo, ARM, RISC-V) para mejorar la eficiencia energética por operación.

3. Algoritmos e Inteligencia Artificial (IA):

   • Destaca el potencial de los modelos generativos y los modelos preentrenados para reemplazar simulaciones computacionalmente costosas (por ejemplo, sustituir las simulaciones de detectores Geant4 con modelos generativos profundos que son órdenes de magnitud más rápidos).
   • Argumenta a favor del uso estratégico de la IA solo donde ofrezca un beneficio científico significativo o ahorros de recursos, advirtiendo contra el "efecto rebote" donde las ganancias de eficiencia conducen a un aumento del consumo total.
   • Subraya la necesidad de documentar la huella de CO2e tanto de las fases de entrenamiento como de inferencia de los modelos de aprendizaje automático.

4. Computación e Infraestructura:

   • Propone reubicar los centros de datos para que estén co-ubicados con fuentes de energía renovable (por ejemplo, parques eólicos marinos) para utilizar energía directa y reducir las pérdidas de transmisión.
   • Sugiere la programación dinámica de cargas de trabajo donde los recursos de computación se escalen hacia arriba o hacia abajo en función de la disponibilidad de energía renovable en tiempo real (por ejemplo, "trabajos maleables").
   • Recomienda extender la vida útil del hardware (más allá de los típicos 5 años) donde sea factible para amortizar la huella de carbono de la fabricación (Alcance 3) y reutilizar el calor residual para calefacción urbana.
   • Exige una mejora en la Eficacia del Uso de la Energía (PUE) y la implementación de soluciones de almacenamiento de energía para amortiguar la intermitencia de las renovables.

5. Educación y Cultura:

   • Identifica la necesidad de nuevos planes de estudio para formar a científicos en prácticas digitales sostenibles, incluyendo la codificación consciente de los recursos y las implicaciones éticas de la IA.
   • Aboga por un cambio cultural donde los investigadores equilibren activamente la adquisición de conocimientos frente al uso de recursos.

6. Financiación y Apoyo Institucional:

   • Exige que las agencias de financiación apoyen posiciones a largo plazo para la gestión de software y datos, e incluyan evaluaciones de la huella de carbono en la planificación de proyectos.

Resultados y Acciones Propuestas
El resultado principal del artículo es la Tabla 2, una lista priorizada de "Llamada a la acción" categorizada por cronograma de implementación:

• Inmediato/Corto plazo: Sensibilización, monitoreo del consumo energético a nivel de trabajo y consideración de las huellas de carbono en la planificación de proyectos.
• Mediano plazo (Unos pocos años): Implementación de prácticas de datos FAIR, optimización del software para la energía, adopción de gestión de flujos de trabajo y desarrollo de herramientas para el monitoreo de recursos.
• Largo plazo: Establecimiento de centros de datos cerca de fuentes de energía renovable, desarrollo de middleware dinámico para la programación consciente de la energía y optimización de los ciclos de vida del hardware.

El artículo también proporciona datos técnicos específicos, como el desglose del consumo energético del CERN (55% procesamiento, 21% almacenamiento en disco) y el potencial de reducir el consumo de energía de los nodos en un 50% mediante la regulación de la frecuencia del reloj.

Significado y Afirmaciones
Los autores afirman que la comunidad ErUM posee las herramientas y la experiencia para desarrollar un plan realista de reducción de emisiones de CO2e sin sacrificar el progreso científico. Argumentan que la sostenibilidad no es meramente una restricción ambiental, sino un motor para la innovación en algoritmos, arquitectura de software y gestión de infraestructura.

El artículo afirma que la transición requiere un cambio de actitud y comportamiento "difícil, pero inevitable" en todos los niveles de la comunidad científica. Sitúa el portafolio de medidas propuesto como un marco necesario para alinear la transformación digital de la investigación ErUM con los objetivos del Acuerdo de París. Los autores concluyen que, al equilibrar conscientemente la adquisición de conocimientos prospectiva con el uso de recursos, la comunidad puede lograr ganancias de eficiencia que, en última instancia, acelerarán el progreso científico mientras preservan las condiciones planetarias necesarias para la vida.