En resumen
Empiece por medir: muchos clústeres registran la energía por trabajo en el planificador Slurm, y CodeCarbon o la calculadora Green Algorithms pueden cubrir los huecos. Después, pida solo las GPU, la memoria y el tiempo que necesita, pruebe las ideas a pequeña escala, guarde puntos de control en los trabajos largos y programe los flexibles para cuando la red eléctrica esté más limpia. Informe de la energía de proyectos enteros, no solo de las ejecuciones finales.
Pasos
- Compruebe si su clúster registra la energía de los trabajos, por ejemplo en el campo ConsumedEnergy de Slurm.
- Pida solo las GPU, la memoria y el tiempo de ejecución que su trabajo necesita realmente.
- Haga pilotos pequeños antes de ampliar la escala de un experimento.
- Guarde puntos de control en los trabajos largos para que los fallos y las pausas no desperdicien el trabajo hecho.
- Programe los trabajos flexibles para las horas en que la red esté más limpia, si el clúster lo permite.
- Informe de la energía a nivel de proyecto, incluidas las ejecuciones de ajuste y las fallidas.
Los clústeres compartidos hacen fácil ignorar la energía, porque nadie ve una factura. Pero cada GPU pedida de más y cada trabajo abandonado consumen energía y hacen esperar a otros.
¿Cómo veo lo que usan mis trabajos?
sacctde Slurm puede informar del ConsumedEnergy de un trabajo cuando el clúster tiene activada la contabilidad energética. Pregunte a su equipo de computación para la investigación si está activada.- CodeCarbon puede ejecutarse dentro de los trabajos, y su documentación trata los nodos de cómputo sin acceso a internet.
- Green Algorithms, de Lannelongue, Grealey e Inouye, estima la huella a partir del hardware, el tiempo de ejecución, la memoria y la ubicación, lo que resulta adecuado para trabajos pasados.
Lo que más marca la diferencia
- Solicitudes de tamaño adecuado. Pedir cuatro GPU y usar una deja tres reservadas e inactivas.
- Pilotos y parada temprana. La mayor parte de la energía se va en la exploración; descarte pronto las ideas malas. Consulte reducir la energía de las búsquedas de hiperparámetros.
- Puntos de control, para que los fallos y los límites de tiempo no obliguen a empezar de nuevo.
- Reutilización de modelos preentrenados y conjuntos de datos compartidos, en lugar de que cada persona prepare los suyos.
Un sandpit británico de IA verde celebrado en 2026, con matemáticos, informáticos y representantes de la industria, subrayó también la importancia de comprobar si un método numérico bien conocido ya resuelve el problema antes de entrenar ningún modelo.
Errores frecuentes
- Tratar el clúster como si fuera gratis. Controle las horas de GPU como un presupuesto; consulte fijar un presupuesto de cómputo.
- Informar solo de la ejecución final en los artículos.
Los principios GREENER de Lannelongue y sus colegas ofrecen un marco para grupos e instituciones. Consulte la guía para investigadores.
Fuentes
- Slurm sacct manual (ConsumedEnergy), SchedMD (2025)
- Using CodeCarbon on SLURM, CodeCarbon documentation (2025)
- Green Algorithms: quantifying the carbon footprint of computation, Lannelongue, Grealey and Inouye, Advanced Science (2021)
- GREENER principles for environmentally sustainable computational science, Lannelongue et al., Nature Computational Science (2023)
Relacionado
¿Cómo fijo un presupuesto de cómputo para un proyecto de investigación?
Fije y controle un presupuesto de cómputo para la investigación en IA: estime horas de GPU, haga pilotos, pare pronto las malas ejecuciones, reutilice y declare el cómputo.
¿Cómo informo del consumo de energía de mi investigación en IA?
Qué incluir en un artículo sobre cómputo y energía: hardware, horas de GPU de todas las ejecuciones, energía, ubicación, carbono, coste de inferencia y límites usados.
¿Cómo reduzco la energía de las búsquedas de hiperparámetros?
Cómo ajustar modelos con menos cómputo: búsquedas más inteligentes que una cuadrícula completa, parada temprana, pilotos pequeños, buenos valores por defecto y un presupuesto.
IA verde para investigadores
Guía para investigadores sobre métodos de IA eficientes, medición y comunicación de la energía en artículos, presupuestos de cálculo, financiación y matemáticas.