Algoritme forudser processorforbrug utrolig hurtigt

Datateknikere fra Duke University har udviklet en ny metode baseret på kunstig intelligens (AI), der kan nøjagtigt forudse forbrug af strøm for enhver type computerprocessor. Den mest imponerende funktion ved denne nye metode er dens evne til at gøre dette over en billion gange per sekund, samtidig med at den selv bruger meget lidt beregningskraft.

APOLLO-teknik

Den nye teknik hedder APOLLO, og den er blevet valideret på virkelige, højpræstations-mikroprocessorer. Den kan anvendes på mange forskellige måder, herunder til at forbedre effektiviteten og informere udviklingen af mikroprocessorer.

Forskningen, der beskriver denne nye metode, blev offentliggjort på MICRO-54: 54. årlige IEEE/ACM International Symposium on Microarchitecture.

Zhiyao Xie er første forfatter af artiklen og en ph.d.-stipendiat i laboratoriet hos Yiran Chen, der er professor i elektroteknik og datateknik på Duke.

“Dette er et intensivt studeret problem, der traditionelt har afhængigt af ekstra kredsløb for at løse,” sagde Xie. “Men vores tilgang kører direkte på mikroprocessoren i baggrunden, hvilket åbner mange nye muligheder. Jeg tror, det er derfor, folk er begejstrede for det.”

Moderne computerprocessorer

Moderna computerprocessorer afhænger af beregningsskemaer, der udføres 3 billioner gange per sekund. For at opretholde chipets ydeevne og effektivitet skal forbrug af strøm for disse hurtige overgange spores. Når en processor forbruger for meget strøm, kan det resultere i overophedning og skade. Når strømforbrug ændrer sig hurtigt, kan det forårsage interne elektromagnetiske komplikationer, der resulterer i en langsommere processor.

Software kan forudse og stoppe disse ekstreme tilfælde, og datateknikere kan bruge det til at beskytte hardwaren og øge ydeevnen. Men denne proces kræver ekstra hardware og beregningskraft.

“APOLLO nærmer sig en ideal strømforbrugsalgoritme, der både er nøjagtig og hurtig og kan bygges ind i en proceskerne med lav strømforbrug,” sagde Xie. “Og fordi den kan bruges i enhver type procesenhed, kan den blive en almindelig komponent i fremtidig chipdesign.”

Ved hjælp af AI

APOLLO baserer sig på kunstig intelligens til sin kraft. Algoritmen afhænger af AI til at identificere og vælge 100 af en processors millioner signaler, der korrelerer med dets strømforbrug. Disse 100 signaler bruges derefter til at opbygge en strømforbrugsmodel, og algoritmen overvåger dem for at forudse chipets ydeevne i realtid.

Denne proces er autonom og data-dreven, hvilket betyder, at den kan implementeres på næsten enhver type computerprocessorarkitektur.

“Efter AI har valgt sine 100 signaler, kan du se på algoritmen og se, hvad de er,” sagde Xie. “Mange af valgene giver intuitivt mening, men selv hvis de ikke gør, kan de give feedback til designere ved at informere dem om, hvilke processer der er mest stærkt korreleret med strømforbrug og ydeevne.”

Forskerne siger, at algoritmen stadig har brug for yderligere test og omfattende evalueringer på forskellige platforme. Dette er nødvendigt, før den kan adopteres af kommercielle computerfabrikker.