方向三: 算力网络绿色化理论与方法

针对算力网络中算力多源异构、泛在和电力来源多样的特性，带来的算力能耗过高、算力和电力资源调度难、算力和绿电协同难等问题，研究算力网络绿色化理论与方法。（1）低功耗芯片设计方法：在IC设计中分别考虑动态功耗和静态功耗，并基于人工智能方法进行硬件和软件协同优化，以达到减少芯片在运行过程中的能量消耗的目的。（2）泛在异构算力网络绿色机器学习方法：包括紧凑网络、节能训练策略、节能推理方法和高效数据使用，实现算力网络计算的绿色化。（3）动态算力网络绿色边缘计算卸载调度：利用智能算法优化任务调度和资源分配，提高边缘节点的资源利用率，减少能耗，以实现绿色计算目标。（4）研究大数据随机样本划分模型来表达分布式大数据，保证随机样本一致性，采用机器学习中的集成学习方法建立大数据集成学习模型。（5）采用集成学习的智能供电绿色化技术：为了有效降低数据中心能耗开销，针对数据中心的具体工作场景，设计基于双阈值的服务器自适应休眠方案和智能供电模型，以实现绿色供电目标。（6）算力电力协同绿色化：利用绿色智能算力网络智能调度关键技术实现电力的高效管理与优化，预测电力能耗与需求，优化算力电力最优分配，降低能源损耗；基于区块链技术的绿色电力标识：利用分布式账本实现碳足迹的透明可追溯，开发智能合约自动执行和验证交易，优化区块链网络的共识协议，引入分片技术提高系统吞吐量，从而促进算力网络绿色运行。