荷蘭萊頓大學的天體物理學家Simon Portegies Zwart富有生態意識。他幾乎不再因為工作緣故坐飛機，而是選擇乘火車出行。“我喜歡成為素食環保主義者，盡量減少自己的碳足跡，同時也告誡孩子們避免洗澡時間過長，並盡可能使用可再生資源。”在他決定做出這些生活上的改變時，也在思考著其他方面帶來的碳足跡。
“我經常使用大型計算機，它們消耗的能源相當於壹座小城市，”他說道，“我可能是這條街上汙染最嚴重的人了。假如使用壹臺超級計算機耗費的能源相當於10000戶家庭，那麽我有何權利去跟我的孩子或者別人說，他們不該洗20分鐘的澡？”
在全球為解決氣候變化問題而努力的同時，許多科學家開始正視自己碳排放量過大的現實。
巨大的計算成本
除學術旅行影響氣候變化外，過去幾年中許多物理學家還發現，使用計算機造成的碳足跡數量巨大——有時甚至超過航空旅行。
Adam Stevens是西澳大利亞大學的壹名天體物理學家，他和同事們對2018—2019年期間澳大利亞天文學家因旅行、使用超級計算機以及在大型觀測站工作等“常規活動”產生的溫室氣體排放總量進行了分析。他們的研究發現，平均每位澳大利亞天文學家產生約37噸二氧化碳當量，超出澳洲人的平均水平40%，是全球平均水平的5倍。其主要原因在於天文學家需要使用超級計算機來處理望遠鏡收集的大量數據，並進行宇宙學模擬。每位天文學家在此項工作上的排放量約為15噸，幾乎是年飛行排放量的4倍(圖1)。
圖1 澳大利亞天文學家的四種排放來源，以噸(t)二氧化碳(CO2)當量(e)每年(yr-1)每人為單位。圖中標明了誤差線，註意觀測站的數值為排放量下限
另壹個例子是即將開展的大型中微子探測陣列(GRAND)項目，該項目計劃利用分布在世界各地山區的20萬根天線，探測來自深空的超高能量中微子。2021年，該項目背後的團隊估算了三個不同實驗階段的溫室氣體排放，分別是：原型實驗、中規模實驗以及將於2030年進行的全面實驗。他們把模擬和數據分析、數據傳輸和存儲以及計算機和其他電子設備稱為“數字技術”，這些技術將在碳足跡中占據很大比重。
預計原型實驗階段數字技術產生的排放將占69%，相比之下旅行僅占27%，4%來自“硬件設備”，如制造無線電天線。在中期實驗階段，數字技術將占總排放量的40%，剩余排放中旅行和硬件各占壹半。當整個實驗完成並投入使用後，主要排放量將由硬件(48%)和數字技術(45%)分擔。
超級計算機的環境成本很大程度上取決於為設備供電的能源來源。2020年，荷蘭天文學委員會邀請Portegies Zwart和另壹支研究團隊分析其6個成員機構的碳足跡。據估計，2019年平均每位荷蘭天文學家排放4.7噸二氧化碳當量，遠低於澳大利亞，而其中僅有4%來自超級計算。
荷蘭天體物理學家Florisvander Tak主持了該項研究，他認為荷蘭的天文學家不會比澳大利亞的同行們更少使用超級計算機，因此差異可能源自不同的能源供應。由於荷蘭100%使用風能或太陽能產生的可再生能源，國家級超級計算中心SURF不產生任何碳排放，少量的排放由國際設備和荷蘭的小型超級計算機產生。如今，Portegies Zwart已經養成查看自己所用的超級計算機是否采用環保能源的習慣，如果不是，他將考慮使用其他設備。
問題根源
德國馬克斯?普朗克天文研究所的溫室氣體排放數據同樣顯示出國家間的碳排放差異。2018年，該研究所每位研究人員排放了約18噸二氧化碳當量——超過荷蘭天文學家，但只有澳大利亞同行的壹半(圖2)。這壹數值比普通德國居民高出60%，是德國2030年減排目標的三倍，而該目標是符合巴黎氣候協定的。
圖2 壹位澳大利亞天文學家和壹位馬克斯?普朗克天文研究所的德國研究員2018年的平均排放量，按排放來源分類，並與德國根據《巴黎協定》設置的2030年目標排放比較。與電力相關的排放包括計算和非計算消耗，無論在德國還是澳大利亞，其絕大部分排放都是由計算產生的
在馬克斯?普朗克研究所2018年的碳排放中，約有29%來自電力消耗，其中計算(尤其是超級計算)占75—90%。德國和澳大利亞碳排放差異的關鍵在於電力的來源。2018年，德國約有壹半電力來自太陽能和風能，而在澳大利亞，絕大部分電力來自化石燃料，主要是煤炭。這就意味著在澳大利亞，用於計算的電力每千瓦時產生0.905 kg二氧化碳，而在馬克斯?普朗克研究所只有0.23 kg。
van der Tak同時指出，這些調查工作是在幾年前進行的，如今世界已經向前發展，比如現在使用可再生能源的機構越來越多。荷蘭的壹項研究發現，2019年荷蘭天文學界的碳足跡中只有不到三分之壹(29%)來自電力使用，包括為六家研究機構的本地計算供電。當時就有壹半研究所使用綠色電力，隨後又有兩家開始改用100%可再生能源，van der Tak預計第六家研究所將在未來兩年內實現轉變。
澳大利亞的狀況也在改變。作為該國三大國家級高性能計算設施之壹的超級計算機OzSTAR，自2020年7月起已改用從附近的風力發電廠購買的100%可再生能源。超級計算機所在的斯威本 科技 大學聲稱，這將大幅度減少其碳足跡，因為電力排放占總排放的70%以上。
地點，地點，還是地點
但是，如何能確切計算出使用超級計算機的碳排放量呢？英國劍橋大學的數學家和物理學家Lo?c Lannelongue沒有找到簡單的方法，於是他開發了壹個名為“綠色算法”(green-algorithms.org)的在線工具，估算研究人員的碳足跡。
Lannelongue重申地點是關鍵。舉例來說，在同樣的硬件上運行相同任務，澳大利亞排放的二氧化碳大約是瑞士的70倍，因為瑞士的大部分電力來自水電。雖然估算任何壹種算法的碳足跡都需要依據硬件、任務所需時間和數據中心或超級計算機的位置等關鍵因素，但綠色算法還有壹個“實際比例因子”(PSF)，用於估計實際計算的次數——這對排放量有著直接影響。
事實上，大多數算法都要運行多次，有時甚至要在不同參數下運行數百次，而且根據任務和研究領域的不同，運行次數會有很大差異(圖3)。研究還發現，南非和美國某些州有著與澳大利亞類似的計算排放量，而冰島、挪威和瑞典的電力碳排放則特別低。
圖3 綠色算法是壹款免費工具，用於估計算法的碳足跡，估算過程涉及壹系列因素，包括硬件要求、運行時間和數據中心位置等。用戶可對計算性能進行評估，或者估算在其他架構上重新部署算法節約或消耗的碳。該圖對比了不同科學領域算法的碳足跡——從粒子物理模擬和DNA輻射損傷到大氣科學再到機器學習——並比較了每個算法只運行壹次和同壹任務的重復計算(PSF)的結果。上述結果以克(g)二氧化碳(CO2)當量(e)為單位，並與樹木固碳量以及日常活動(如駕駛 汽車 )的碳排放量進行了比較
如今，隨著雲計算的出現，研究人員可以更方便地選擇所使用的超級計算機。但即使無法更換機器，他們仍有其他方法可以減少碳排放。Lannelongue說，如果無法改變自己的所在地，則可以使用最新版本和優化的軟件，因為這將會降低計算要求。
更好的編碼
高效的代碼對於使計算更環保同樣至關重要。正如Portegies Zwart所說，如果妳花費更多時間在代碼優化上，它會運行得更快，產生的排放也會更少。此外，更換編碼語言不失為壹種好辦法。
為驗證這壹觀點，Portegies Zwart進行了實驗，他用十幾種不同的編碼語言運行同樣的算法。沒有哪種語言的代碼經過特別優化，而且編寫每種代碼花費的時間相近。與其他編碼語言(如C++或Fortran)相比，物理學家常用的Python運行算法時間要長得多，因此會產生更多碳排放。問題在於Python易於使用，卻難以優化，而其他語言雖難編碼，但更容易優化。
然而，遠離Python未必能解決問題。法國格勒諾布爾-阿爾卑斯大學的研究員Pierre Augier稱，更好的教育和Python編譯器的使用同樣有效。他采用更加優化的代碼和5種不同的Python實現方式進行了類似的實驗，其中四種實現方式比C++和Fortran更快，產生的排放更少，而且更容易被理解和使用。
Portegies Zwart同意Python可以是高效的，但並不能反映實際情況。他認為天文學家對代碼的優化程度並不高，與其讓他們學更多計算機知識，物理研究機構或許應該雇傭更多計算機專家。“我們擅長物理，但計算機科學家把我們學習物理的時間都花在了學習計算機上，”他說，“毫無疑問，‘他們’更擅長編程。”
隱性排放
碳密集型工作不止有超級計算機上的仿真。作為GRAND中微子項目的聯合發起人，法國索邦大學的Kumiko Kotera和她的同事們發現，在實驗的原型階段，數據存儲和傳輸將占年總排放量的大約壹半，中期階段占四分之壹，全面實驗階段占三分之壹以上。相比之下，數據分析和仿真在三個階段產生的碳排放占比分別為16%、13%和7%。
數據存儲和傳輸的碳足跡取決於數據中心的能源需求，使用排放量較低的數據中心可以在壹定程度上解決問題。不過，縮減數據量仍有作用，科學家們會對所傳輸的內容更加謹慎。Kotera表示，GRAND項目將研究如何減少數據量，找到有效清理數據的方法。
圖4 為降低整體碳排放，CERN 聘請了壹名環境工程師，負責監督未來項目的建造工程
粒子物理學家也需要貢獻力量。歐洲核子研究中心(CERN)每年產生約100 PB數據。全球LHC計算網格(WLCG)整合全球40多個國家約170個計算中心的計算資源，並對這些數據進行存儲、分發和分析。CERN近年來開始發布環境報告，2021年發布的第二份報告介紹了在LHC上實施的能效改進措施(圖4)，改進後每單位能源能夠采集更多數據。升級後，LHC在20年使用壽命內的能效將是首次啟用時的10倍。但該報告也承認其中並沒有真正涵蓋WLCG的全部排放，僅對CERN擁有或運營的WLCG設備能耗進行了詳細說明。
改變心態
Lannelongue希望越來越多的研究人員能夠開始考慮計算產生的碳排放，並將其納入決策之中。壹個典型的例子就是從前研究者經常通宵運行那些效率低下的代碼和軟件，當被告知提高計算效率將減少碳足跡後，他們有了改變的動力。
談及GRAND項目，Kotera表示，他們計劃建立壹個仿真庫，讓用戶可以重復使用常用的仿真，而不用自己創建，這樣能夠避免同樣的數據被不斷復制。即使在大型合作中，由於沒有中央存儲，經常會有不同用戶反復運行同壹個仿真的現象。“只需按下壹個按鈕，就能進行為期壹周的仿真，得到結果然後說‘哦，其實我並不需要它’，這實在太常見了，”Kotera說，“我們的目的在於，鼓勵用戶在運行之前先思考是否真正需要這次仿真。”