Definita la Soglia di Efficienza dei Solutori Neurali Combinatoriali

Uno studio recente pubblicato su arXiv presenta la Soglia di Efficienza Ammortizzata (AET), una nuova metrica progettata per valutare i solutori neurali e euristici per l'ottimizzazione combinatoria. L'AET indica il volume di implementazione al quale un solutore neurale eguaglia il costo totale di energia o carbonio di una linea di base euristica, dato un vincolo sulla qualità della soluzione. Gli autori sostengono che la critica prevalente che etichetta i solutori neurali come meno efficienti dal punto di vista energetico rispetto alle meta-euristiche su CPU trascura l'importanza del volume di implementazione. Mentre l'addestramento di una rete neurale comporta un costo energetico fisso elevato della GPU, le meta-euristiche utilizzano un'energia minima della CPU per istanza. Quando la rete neurale supera le prestazioni, il rapporto energetico cumulativo tra i due solutori si avvicina a una costante inferiore a uno, suggerendo che i solutori neurali possono essere più efficienti con un'adeguata implementazione. L'articolo stabilisce un quadro per un confronto equo e afferma che il salto da 'l'addestramento è costoso' a 'netto-inefficiente' è errato.