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

Résumé technique : Recherche soucieuse des ressources sur l'Univers et la Matière : Appel à l'action dans la transformation numérique

Énoncé du problème
L'article traite du conflit urgent entre la demande croissante en puissance de calcul pour la recherche sur l'Univers et la Matière (ErUM) et l'impératif mondial de réduire les émissions de gaz à effet de serre (GES) pour éviter les points de basculement climatiques. Alors que l'Accord de Paris nécessite une réduction de 50 % des émissions mondiales en sept ans, l'infrastructure numérique soutenant la recherche ErUM — caractérisée par des débits de données massifs issus de la physique des hautes énergies, de l'astrophysique et des sciences photoniques/neutroniques — consomme une énergie significative. Les auteurs notent que les centres de données représentent actuellement environ 1 % de la consommation énergétique mondiale, un chiffre projeté à la hausse à mesure que les volumes de données augmentent (par exemple, passant de téraoctets par seconde dans les installations futures comme le Square Kilometre Array). Le défi central consiste à maintenir le progrès scientifique et l'acquisition de connaissances tout en réduisant drastiquement l'empreinte carbone du calcul, du stockage et du traitement algorithmique.

Méthodologie
Ce travail n'est pas une étude expérimentale mais une synthèse stratégique basée sur un atelier de trois jours tenu en mai 2023, réunissant des scientifiques de la communauté ErUM-Data en Allemagne et des collaborateurs internationaux. La méthodologie a impliqué :

1. Délibération structurée : L'atelier a été guidé par douze questions préformulées (détaillées dans l'annexe A) couvrant le matériel, les données, les algorithmes, l'approvisionnement énergétique et les changements culturels.
2. Développement d'un portefeuille : Les participants ont analysé les pratiques actuelles et identifié des mesures actionnables dans six domaines spécifiques : transformation intelligente des données, ingénierie logicielle, algorithmes/intelligence artificielle, infrastructure de calcul, éducation et soutien institutionnel.
3. Catégorisation par faisabilité : Les mesures identifiées ont été classées en fonction du temps et de l'effort requis pour leur mise en œuvre : immédiat/court terme, moyen terme (quelques années) et long terme (planification coordonnée).
4. Analyse contextuelle : Les auteurs ont intégré des données existantes sur la consommation énergétique (par exemple, valeurs PUE, utilisation spécifique en GWh des centres de calcul allemands) et les scopes d'émissions (Scope 1, 2 et 3) pour ancrer leurs recommandations dans la réalité technique.

Contributions clés
L'article propose un « portefeuille de mesures » complet pour orienter la recherche ErUM vers la durabilité. Les contributions sont organisées en six domaines techniques et organisationnels :

1. Transformation intelligente des données :

   • Prône des données FAIR (Trouvables, Accessibles, Interopérables, Réutilisables) pour maximiser la réutilisation et minimiser le traitement redondant.
   • Propose des « modèles basés sur les flux » où les données brutes sont traitées en ligne et jetées si elles ne sont pas scientifiquement utiles, plutôt que de stocker toutes les données brutes.
   • Suggère d'optimiser le stockage des résultats intermédiaires des flux de travail (instantanés) pour équilibrer les coûts de stockage et l'énergie requise pour le recalcul.

2. Ingénierie logicielle et analyse de données :

   • Met l'accent sur la transition du « code spaghetti » vers un logiciel professionnel, modulaire et versionné pour prévenir l'« abandonware » et assurer la reproductibilité.
   • Réclame l'intégration de l'efficacité énergétique comme métrique de qualité logicielle primaire, aux côtés des benchmarks standards.
   • Recommande la parallélisation automatisée, la vectorisation et l'adaptation aux nouvelles architectures CPU (par exemple, ARM, RISC-V) pour améliorer l'efficacité énergétique par opération.

3. Algorithmes et intelligence artificielle (IA) :

   • Souligne le potentiel des modèles génératifs et des modèles pré-entraînés pour remplacer les simulations coûteuses en calcul (par exemple, remplacer les simulations de détecteurs Geant4 par des modèles génératifs profonds des ordres de grandeur plus rapides).
   • Plaide pour l'utilisation stratégique de l'IA uniquement là où elle offre un bénéfice scientifique significatif ou des économies de ressources, mettant en garde contre l'« effet rebond » où les gains d'efficacité entraînent une augmentation de la consommation totale.
   • Insiste sur la nécessité de documenter l'empreinte CO2e des phases d'entraînement et d'inférence des modèles d'apprentissage automatique.

4. Calcul et infrastructure :

   • Propose de relocaliser les centres de données pour les co-implanter avec des sources d'énergie renouvelable (par exemple, parcs éoliens en mer) afin d'utiliser l'électricité directe et de réduire les pertes de transmission.
   • Suggère une planification dynamique des charges de travail où les ressources de calcul augmentent ou diminuent en fonction de la disponibilité en temps réel de l'énergie renouvelable (par exemple, « travaux malléables »).
   • Recommande de prolonger la durée de vie du matériel (au-delà des 5 ans typiques) lorsque cela est possible pour amortir l'empreinte carbone de la fabrication (Scope 3), et de réutiliser la chaleur perdue pour le chauffage urbain.
   • Réclame une amélioration de l'efficacité de l'utilisation de l'énergie (PUE) et la mise en œuvre de solutions de stockage d'énergie pour tamponner l'intermittence des énergies renouvelables.

5. Éducation et culture :

   • Identifie un besoin de nouveaux programmes pour former les scientifiques aux pratiques numériques durables, y compris le codage soucieux des ressources et les implications éthiques de l'IA.
   • Plaide pour un changement culturel où les chercheurs équilibrent activement le gain de connaissances et l'utilisation des ressources.

6. Financement et soutien institutionnel :

   • Réclame que les agences de financement soutiennent des postes à long terme pour la gestion des logiciels et des données, et incluent des évaluations de l'empreinte carbone dans la planification des projets.

Résultats et actions proposées
Le résultat principal de l'article est le Tableau 2, une liste priorisée d'« Appel à l'action » classée par calendrier de mise en œuvre :

• Immédiat/Court terme : Sensibilisation, surveillance de la consommation énergétique au niveau des tâches et prise en compte des empreintes carbone dans la planification des projets.
• Moyen terme (Quelques années) : Mise en œuvre des pratiques de données FAIR, optimisation des logiciels pour l'énergie, adoption de la gestion des flux de travail et développement d'outils de surveillance des ressources.
• Long terme : Établissement de centres de données à proximité des sources d'énergie renouvelable, développement de middleware dynamique pour la planification soucieuse de l'énergie et optimisation des cycles de vie du matériel.

L'article fournit également des données techniques spécifiques, telles que la répartition de la consommation énergétique du CERN (55 % traitement, 21 % stockage sur disque) et le potentiel de réduction de 50 % de la consommation énergétique des nœuds par le ralentissement de la fréquence d'horloge.

Portée et affirmations
Les auteurs affirment que la communauté ErUM possède les outils et l'expertise pour élaborer un plan réaliste de réduction des émissions de CO2e sans sacrifier le progrès scientifique. Ils soutiennent que la durabilité n'est pas simplement une contrainte environnementale, mais un moteur d'innovation dans les algorithmes, l'architecture logicielle et la gestion de l'infrastructure.

L'article affirme que la transition nécessite un changement d'attitude et de comportement « difficile, mais inévitable » à tous les niveaux de la communauté scientifique. Il positionne le portefeuille de mesures proposé comme un cadre nécessaire pour aligner la transformation numérique de la recherche ErUM avec les objectifs de l'Accord de Paris. Les auteurs concluent qu'en équilibrant consciemment le gain de connaissances prospectif avec l'utilisation des ressources, la communauté peut réaliser des gains d'efficacité qui accéléreront finalement le progrès scientifique tout en préservant les conditions planétaires nécessaires à la vie.