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

Sintesi Tecnica: Ricerca Consapevole delle Risorse su Universo e Materia: Appello all'Azione nella Trasformazione Digitale

Dichiarazione del Problema
Il documento affronta il conflitto urgente tra la crescente domanda computazionale della ricerca su Universo e Materia (ErUM) e l'imperativo globale di ridurre le emissioni di gas serra (GHG) per evitare punti di non ritorno climatici. Mentre l'Accordo di Parigi richiede una riduzione del 50% delle emissioni globali entro sette anni, l'infrastruttura digitale che sostiene la ricerca ErUM – caratterizzata da enormi flussi di dati provenienti dalla fisica delle alte energie, dall'astrofisica e dalle scienze dei fotoni/neutroni – consuma quantità significative di energia. Gli autori osservano che i data center rappresentano attualmente circa l'1% del consumo energetico globale, una cifra destinata a crescere con l'aumento dei volumi di dati (ad esempio, da Terabit al secondo nelle future strutture come il Square Kilometre Array). La sfida fondamentale consiste nel mantenere il progresso scientifico e l'acquisizione di conoscenze riducendo drasticamente l'impronta di carbonio del calcolo, dello storage e dell'elaborazione algoritmica.

Metodologia
Questo lavoro non è uno studio sperimentale, ma una sintesi strategica basata su un workshop di tre giorni tenutosi nel maggio 2023, che ha coinvolto scienziati della comunità ErUM-Data in Germania e collaboratori internazionali. La metodologia ha previsto:

1. Deliberazione Strutturata: Il workshop è stato guidato da dodici domande preformulate (dettagliate nell'Appendice A) che coprivano hardware, dati, algoritmi, fornitura energetica e cambiamenti culturali.
2. Sviluppo di un Portafoglio: I partecipanti hanno analizzato le pratiche attuali e identificato misure attuabili in sei domini specifici: trasformazione intelligente dei dati, ingegneria del software, algoritmi/intelligenza artificiale, infrastruttura di calcolo, formazione e supporto istituzionale.
3. Categorizzazione per Fattibilità: Le misure identificate sono state categorizzate in base al tempo e allo sforzo richiesti per l'implementazione: immediato/corto termine, medio termine (pochi anni) e lungo termine (pianificazione coordinata).
4. Analisi Contestuale: Gli autori hanno integrato dati esistenti sul consumo energetico (ad esempio, valori PUE, uso specifico in GWh dei centri di calcolo tedeschi) e sugli ambiti di emissione (Scope 1, 2 e 3) per fondare le loro raccomandazioni sulla realtà tecnica.

Contributi Chiave
Il documento propone un completo "portafoglio di misure" per guidare la ricerca ErUM verso la sostenibilità. I contributi sono organizzati in sei aree tecniche e organizzative:

1. Trasformazione Intelligente dei Dati:

   • Promuove i dati FAIR (Findable, Accessible, Interoperable, Reusable) per massimizzare il riutilizzo e minimizzare l'elaborazione ridondante.
   • Propone "modelli basati su stream" in cui i dati grezzi vengono elaborati online e scartati se non scientificamente preziosi, invece di archiviare tutti i dati grezzi.
   • Suggerisce di ottimizzare l'archiviazione dei risultati intermedi dei flussi di lavoro (snapshot) per bilanciare i costi di storage con l'energia richiesta per il ricalcolo.

2. Ingegneria del Software e Analisi dei Dati:

   • Sottolinea la transizione dal "codice spaghetti" a software professionale, modulare e controllato nelle versioni per prevenire l'"abbandono del software" e garantire la riproducibilità.
   • Chiede l'integrazione dell'efficienza energetica come metrica primaria della qualità del software, accanto ai benchmark standard.
   • Raccomanda la parallelizzazione automatizzata, la vettorizzazione e l'adattamento alle nuove architetture CPU (ad esempio, ARM, RISC-V) per migliorare l'efficienza energia-per-operazione.

3. Algoritmi e Intelligenza Artificiale (AI):

   • Evidenzia il potenziale dei modelli generativi e dei modelli pre-addestrati per sostituire simulazioni computazionalmente costose (ad esempio, sostituire le simulazioni di rivelatori Geant4 con modelli generativi profondi che sono ordini di grandezza più veloci).
   • Sostiene l'uso strategico dell'AI solo dove offre significativi benefici scientifici o risparmi di risorse, avvertendo contro l'"effetto rimbalzo" in cui i guadagni di efficienza portano a un aumento del consumo totale.
   • Sottolinea la necessità di documentare l'impronta di CO2e sia della fase di addestramento che di quella di inferenza dei modelli di machine learning.

4. Calcolo e Infrastruttura:

   • Propone di spostare i data center per collocarli vicino a fonti di energia rinnovabile (ad esempio, parchi eolici offshore) per utilizzare energia diretta e ridurre le perdite di trasmissione.
   • Suggerisce una pianificazione dinamica dei carichi di lavoro in cui le risorse di calcolo si espandono o contraggono in base alla disponibilità in tempo reale di energia rinnovabile (ad esempio, "lavori malleabili").
   • Raccomanda di estendere la vita utile dell'hardware (oltre i tipici 5 anni) ove possibile per ammortizzare l'impronta di carbonio della produzione (Scope 3) e riutilizzare il calore di scarto per il teleriscaldamento.
   • Chiede un miglioramento dell'Efficienza nell'Uso dell'Energia (PUE) e l'implementazione di soluzioni di accumulo energetico per tamponare l'intermittenza delle rinnovabili.

5. Formazione e Cultura:

   • Identifica la necessità di nuovi programmi didattici per formare gli scienziati a pratiche digitali sostenibili, inclusa la codifica consapevole delle risorse e le implicazioni etiche dell'AI.
   • Promuove un cambiamento culturale in cui i ricercatori bilanciano attivamente l'acquisizione di conoscenze con l'uso delle risorse.

6. Finanziamento e Supporto Istituzionale:

   • Chiede alle agenzie di finanziamento di sostenere posizioni a lungo termine per la gestione del software e dei dati e di includere valutazioni dell'impronta di carbonio nella pianificazione dei progetti.

Risultati e Azioni Proposte
Il risultato principale del documento è la Tabella 2, una lista prioritaria di "Appello all'Azione" categorizzata per cronologia di implementazione:

• Immediato/Corto termine: Sensibilizzazione, monitoraggio del consumo energetico a livello di lavoro e considerazione dell'impronta di carbonio nella pianificazione dei progetti.
• Medio termine (Pochi anni): Implementazione delle pratiche FAIR, ottimizzazione del software per l'energia, adozione della gestione dei flussi di lavoro e sviluppo di strumenti per il monitoraggio delle risorse.
• Lungo termine: Istituzione di data center vicino a fonti di energia rinnovabile, sviluppo di middleware dinamico per la pianificazione consapevole dell'energia e ottimizzazione dei cicli di vita dell'hardware.

Il documento fornisce anche dati tecnici specifici, come la ripartizione del consumo energetico del CERN (55% elaborazione, 21% archiviazione su disco) e il potenziale di riduzione del consumo energetico dei nodi del 50% attraverso la regolazione della frequenza di clock.

Significato e Affermazioni
Gli autori affermano che la comunità ErUM possiede gli strumenti e le competenze per sviluppare un piano realistico per la riduzione delle emissioni di CO2e senza sacrificare il progresso scientifico. Sostengono che la sostenibilità non è meramente un vincolo ambientale, ma un motore per l'innovazione negli algoritmi, nell'architettura del software e nella gestione dell'infrastruttura.

Il documento afferma che la transizione richiede un cambiamento "difficile, ma inevitabile" di atteggiamento e comportamento a tutti i livelli della comunità scientifica. Posiziona il portafoglio di misure proposto come un quadro necessario per allineare la trasformazione digitale della ricerca ErUM agli obiettivi dell'Accordo di Parigi. Gli autori concludono che, bilanciando consapevolmente l'acquisizione futura di conoscenze con l'uso delle risorse, la comunità può ottenere guadagni di efficienza che accelereranno infine il progresso scientifico preservando al contempo le condizioni planetarie necessarie per la vita.