Algoritma Memprediksi Konsumsi Daya Prosesor dengan Sangat Cepat

Insinyur komputer di Duke University telah mengembangkan metode kecerdasan buatan (AI) baru yang dapat memprediksi konsumsi daya prosesor komputer dengan akurat. Fitur paling mengesankan dari metode baru ini adalah kemampuannya untuk melakukan ini lebih dari satu triliun kali per detik, semua dengan menggunakan daya komputasi yang sangat sedikit.

Teknik APOLLO

Teknik baru ini disebut APOLLO, dan telah divalidasi pada mikroprosesor kinerja tinggi dunia nyata. Ini dapat diterapkan dalam banyak cara, termasuk untuk meningkatkan efisiensi dan memandu pengembangan mikroprosesor.

Penelitian yang menjelaskan metode baru ini diterbitkan di MICRO-54: 54th Annual IEEE/ACM International Symposium on Microarchitecture.

Zhiyao Xie adalah penulis pertama makalah ini dan kandidat PhD di laboratorium Yiran Chen, yang merupakan profesor teknik elektro dan komputer di Duke.

“Ini adalah masalah yang sangat dipelajari yang secara tradisional bergantung pada sirkuit tambahan untuk menanganinya,” kata Xie. “Tapi pendekatan kami berjalan langsung pada mikroprosesor di latar belakang, yang membuka banyak peluang baru. Saya pikir itu sebabnya orang-orang bersemangat tentang hal itu.”

Prosesor Komputer Modern

Prosesor komputer modern bergantung pada siklus komputasi yang dilakukan 3 triliun kali per detik. Untuk mempertahankan kinerja dan efisiensi chip, konsumsi daya transisi cepat ini harus dilacak. Ketika prosesor mengonsumsi daya yang terlalu banyak, dapat menyebabkan panas berlebih dan kerusakan. Ketika daya berubah cepat, dapat menyebabkan komplikasi elektromagnetik internal yang menghasilkan prosesor yang lebih lambat.

Perangkat lunak dapat memprediksi dan menghentikan ekstrem ini, dan insinyur komputer dapat menggunakannya untuk melindungi perangkat keras dan meningkatkan kinerja. Namun, proses ini memerlukan perangkat keras dan daya komputasi tambahan.

“APOLLO mendekati algoritma estimasi daya ideal yang akurat dan cepat dan dapat dengan mudah dibangun ke dalam inti pemrosesan dengan biaya daya rendah,” kata Xie. “Dan karena dapat digunakan pada jenis unit pemrosesan apa pun, dapat menjadi komponen umum dalam desain chip masa depan.”

Menggunakan Kecerdasan Buatan

APOLLO menggunakan kecerdasan buatan untuk kekuatannya. Algoritma ini bergantung pada AI untuk mengidentifikasi dan memilih 100 dari jutaan sinyal prosesor, yang berkorelasi dengan konsumsi dayanya. 100 sinyal ini kemudian digunakan untuk membangun model konsumsi daya, dan algoritma memantau mereka untuk memprediksi kinerja chip secara real-time.

Proses ini adalah otonom dan didorong data, yang berarti dapat diimplementasikan pada hampir semua arsitektur prosesor komputer.

“Setelah AI memilih 100 sinyalnya, Anda dapat melihat algoritma dan melihat apa yang mereka lakukan,” kata Xie. “Banyak pilihan yang membuat sense intuitif, tetapi bahkan jika mereka tidak, dapat memberikan umpan balik kepada desainer dengan menginformasikan mereka tentang proses mana yang paling kuat berkorelasi dengan konsumsi daya dan kinerja.”

Peneliti mengatakan bahwa algoritma ini masih memerlukan pengujian lebih lanjut dan evaluasi komprehensif pada platform yang berbeda. Ini diperlukan sebelum dapat diadopsi oleh produsen komputer komersial.