AI Memodelkan Kinerja Mikroprosesor Secara Real-Time

oleh -30 views
AI

AI Memodelkan Kinerja Mikroprosesor Secara Real-Time. Algoritme baru memprediksi konsumsi daya prosesor triliunan kali per detik sementara membutuhkan sedikit daya atau sirkuitnya sendiri

Insinyur komputer di Duke University telah mengembangkan metode AI baru. Untuk secara akurat memprediksi konsumsi daya dari semua jenis prosesor komputer lebih dari satu triliun kali per detik. Sementara hampir tidak menggunakan daya komputasi itu sendiri. Di juluki APOLLO, teknik ini telah di validasi di dunia nyata, mikroprosesor berkinerja tinggi dan dapat membantu meningkatkan efisiensi dan menginformasikan pengembangan mikroprosesor baru. (Dheva)

Pendekatan ini di rinci dalam makalah yang diterbitkan di MICRO-54: 54th Annual IEEE/ACM International Symposium on Microarchitecture. Salah satu konferensi tingkat atas dalam arsitektur komputer, di mana ia terpilih sebagai publikasi konferensi terbaik.

“Ini adalah masalah yang di pelajari secara intensif yang secara tradisional mengandalkan sirkuit ekstra untuk diatasi,” kata Zhiyao Xie, penulis pertama makalah dan kandidat PhD di laboratorium Yiran Chen, profesor teknik listrik dan komputer di Duke. “Tetapi pendekatan kami berjalan langsung pada mikroprosesor di latar belakang, yang membuka banyak peluang baru. Saya pikir itulah mengapa orang-orang sangat antusias.”

Dalam prosesor komputer modern, siklus perhitungan di buat dalam urutan 3 triliun kali per detik. Melacak daya yang di konsumsi oleh transisi yang sangat cepat itu penting untuk menjaga kinerja dan efisiensi keseluruhan chip. Jika prosesor menggunakan terlalu banyak daya, prosesor dapat menjadi terlalu panas dan menyebabkan kerusakan. Perubahan mendadak dalam permintaan daya dapat menyebabkan komplikasi elektromagnetik internal yang dapat memperlambat seluruh prosesor.

Dengan menerapkan perangkat lunak yang dapat memprediksi dan menghentikan kejadian ekstrem yang tidak di inginkan ini. Insinyur komputer dapat melindungi perangkat keras mereka dan meningkatkan kinerjanya. Tetapi skema seperti itu ada harganya. Mengikuti perkembangan mikroprosesor modern biasanya membutuhkan perangkat keras ekstra yang berharga dan daya komputasi.

“APOLLO mendekati algoritma estimasi daya ideal yang akurat dan cepat dan dapat dengan mudah di bangun ke dalam inti pemrosesan dengan biaya daya rendah,” kata Xie. “Dan karena dapat di gunakan di semua jenis unit pemrosesan, itu bisa menjadi komponen umum dalam desain chip masa depan.”

Rahasia kekuatan APOLLO berasal dari kecerdasan buatan. Algoritme yang di kembangkan oleh Xie dan Chen menggunakan AI untuk mengidentifikasi dan memilih hanya 100 dari jutaan sinyal prosesor yang paling erat hubungannya dengan konsumsi dayanya. Kemudian membangun model konsumsi daya dari 100 sinyal tersebut dan memantaunya untuk memprediksi kinerja seluruh chip secara real-time.

Karena proses pembelajaran ini bersifat otonom dan di dorong oleh data, proses ini dapat diimplementasikan pada hampir semua arsitektur prosesor komputer — bahkan yang belum ditemukan. Dan meskipun tidak memerlukan keahlian desainer manusia untuk melakukan tugasnya, algoritme dapat membantu desainer manusia melakukan tugasnya.

“Setelah AI memilih 100 sinyalnya, Anda dapat melihat algoritme dan melihat apa itu,” kata Xie. “Banyak pilihan yang masuk akal secara intuitif. Tetapi bahkan jika tidak, mereka dapat memberikan umpan balik kepada desainer dengan memberi tahu mereka proses mana yang paling berkorelasi kuat dengan konsumsi daya dan kinerja.”

Pekerjaan ini merupakan bagian dari kolaborasi dengan Arm Research, sebuah organisasi penelitian teknik komputer yang bertujuan untuk menganalisis gangguan yang berdampak pada industri dan menciptakan solusi canggih, bertahun-tahun sebelum penerapan. Dengan bantuan Arm Research, APOLLO telah di validasi pada beberapa prosesor berkinerja tertinggi saat ini. Namun menurut para peneliti, algoritma tersebut masih membutuhkan pengujian dan evaluasi yang komprehensif pada lebih banyak platform sebelum di adopsi oleh produsen komputer komersial.

“Arm Research bekerja dengan dan menerima dana dari beberapa nama besar di industri, seperti Intel dan IBM, dan memprediksi konsumsi daya adalah salah satu prioritas utama mereka,”. Tambah Chen. “Proyek seperti ini menawarkan siswa kami kesempatan untuk bekerja dengan para pemimpin industri ini. Dan ini adalah jenis hasil yang membuat mereka ingin terus bekerja dan mempekerjakan lulusan Duke.”

Pekerjaan ini di lakukan di bawah program penelitian CPU AClass performa tinggi di Arm Research dan sebagian di dukung oleh National Science Foundation (NSF-2106828, NSF-2112562) dan Semiconductor Research Corporation (SRC).

Source: Duke University

Journal Reference:

  1. Zhiyao Xie, Xiaoqing Xu, Matt Walker, Joshua Knebel, Kumaraguru Palaniswamy, Nicolas Hebert, Jiang Hu, Huanrui Yang, Yiran Chen, Shidhartha Das. APOLLO: An Automated Power Modeling Framework for Runtime Power Introspection in High-Volume Commercial Microprocessors, DOI: 10.1145/3466752.3480064

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

No More Posts Available.

No more pages to load.