AI-modellen en platforms

Algoritme voorspelt processorstroomverbruik extreem snel

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Computerengineers van de Duke University hebben een nieuwe methode ontwikkeld met behulp van kunstmatige intelligentie (AI) die het stroomverbruik van elke soort computerprocessor nauwkeurig kan voorspellen. Het meest indrukwekkende aspect van deze nieuwe methode is de mogelijkheid om dit meer dan een triljoen keer per seconde uit te voeren, terwijl het zelf heel weinig rekenkracht gebruikt.

APOLLO-techniek

De nieuwe techniek heet APOLLO en is gevalideerd op echte, high-performance microprocessors. Het kan op veel verschillende manieren worden toegepast, waaronder het verbeteren van de efficiëntie en het informeren van de ontwikkeling van microprocessors.

Het onderzoek dat deze nieuwe methode beschrijft, is gepubliceerd op MICRO-54: 54e jaarlijkse IEEE/ACM International Symposium on Microarchitecture.

Zhiyao Xie is de eerste auteur van het artikel en een PhD-kandidaat in het laboratorium van Yiran Chen, die professor is in de elektrotechniek en informatica aan de Duke.

“Dit is een intensief bestudeerd probleem dat traditioneel afhankelijk is van extra schakelingen om het aan te pakken,” zei Xie. “Maar onze aanpak wordt rechtstreeks op de microprocessor uitgevoerd op de achtergrond, wat veel nieuwe kansen biedt. Ik denk dat dat de reden is waarom mensen er zo enthousiast over zijn.”

Moderne computerprocessors

Moderna computerprocessors vertrouwen op berekeningscycli die 3 triljoen keer per seconde worden uitgevoerd. Om de prestaties en efficiëntie van de chip te behouden, moet het stroomverbruik van deze snelle overgangen worden bijgehouden. Wanneer een processor te veel stroom verbruikt, kan dit leiden tot oververhitting en schade. Wanneer de stroom snel verandert, kan dit interne elektromagnetische complicaties veroorzaken die leiden tot een langzamere processor.

Software kan deze extremen voorspellen en stoppen, en computerengineers kunnen het gebruiken om hardware te beschermen en prestaties te verbeteren. Echter, dit proces vereist extra hardware en rekenkracht.

“APOLLO benadert een ideale stroomverbruiksschatting die zowel nauwkeurig als snel is en gemakkelijk in een verwerkingssysteem kan worden geïntegreerd tegen een lage energiekost,” zei Xie. “En omdat het op elk type verwerkingseenheid kan worden gebruikt, kan het een gemeenschappelijk onderdeel worden in de toekomstige chipontwerp.”

Geïnspireerd door AI

APOLLO put zichzelf op kunstmatige intelligentie voor zijn kracht. De algoritme vertrouwt op AI om 100 van de miljoenen signalen van een processor te identificeren en te selecteren die correleren met zijn stroomverbruik. Deze 100 signalen worden vervolgens gebruikt om een stroomverbruikmodel te bouwen, en de algoritme bewaakt ze om de prestaties van de chip in real-time te voorspellen.

Dit proces is autonoom en gegevensgestuurd, wat betekent dat het op bijna elk type computerprocessorarchitectuur kan worden geïmplementeerd.

“Nadat de AI zijn 100 signalen heeft geselecteerd, kun je naar de algoritme kijken en zien wat ze zijn,” zei Xie. “Veel van de selecties hebben intuitieve zin, maar zelfs als ze dat niet doen, kunnen ze feedback geven aan ontwerpers door hen te informeren over welke processen het sterkst correleren met stroomverbruik en prestaties.”

De onderzoekers zeggen dat de algoritme nog verder getest en geëvalueerd moet worden op verschillende platforms. Dit is vereist voordat het kan worden overgenomen door commerciële computerfabrikanten.

Alex McFarland is een AI-journalist en schrijver die de laatste ontwikkelingen op het gebied van kunstmatige intelligentie onderzoekt. Hij heeft samengewerkt met talloze AI-startups en publicaties wereldwijd.