Algoritme forutsier prosessorforbruk utrolig raskt

Datatekniske ingeniører ved Duke University har utviklet en ny metode basert på kunstig intelligens (AI) som kan nøyaktig forutsie forbruket av enhver type datamaskinprosessor. Det mest imponerende med denne nye metoden er dens evne til å gjøre dette over en billion ganger per sekund, samtidig som den bruker svært lite beregningskraft selv.

APOLLO-teknikken

Den nye teknikken kalles APOLLO, og den er validert på virkelige, høy-ytelses mikroprosessorer. Den kan brukes på mange måter, inkludert å forbedre effektiviteten og informere utviklingen av mikroprosessorer.

Forskningen som detaljerer denne nye metoden ble publisert på MICRO-54: 54. årlige IEEE/ACM internasjonale symposium on mikroarkitektur.

Zhiyao Xie er første forfatter av artikkelen og en PhD-kandidat i laboratoriet til Yiran Chen, som er professor i elektroteknikk og datateknikk ved Duke.

“Dette er et intensivt studert problem som tradisjonelt har avhengig av ekstra kretser for å løse,” sa Xie. “Men vår tilnærming kjører direkte på mikroprosessoren i bakgrunnen, som åpner mange nye muligheter. Jeg tror at det er grunnen til at folk er begeistret for det.”

Moderne datamaskinprosessorer

Moderne datamaskinprosessorer avhenger av beregningscykler som gjøres 3 billioner ganger per sekund. For å opprettholde chipens ytelse og effektivitet, må forbruket av disse raske overgangene spores. Når en prosessor trekker for mye strøm, kan det føre til overoppheting og skade. Når strømmen endrer seg raskt, kan det forårsake interne elektromagnetiske komplikasjoner som resulterer i en langsommere prosessor.

Programvare kan forutsie og stoppe disse ekstremene, og datatekniske ingeniører kan bruke det til å beskytte maskinvaren og øke ytelsen. Men denne prosessen krever ekstra maskinvare og beregningskraft.

“APOLLO nærmer seg en ideal strømestimat-algoritme som er både nøyaktig og rask og kan lett bygges inn i en prosessorkjerne med lav strømforbruk,” sa Xie. “Og fordi den kan brukes i enhver type prosessor-enhet, kan den bli en vanlig komponent i fremtidige chip-design.”

Basert på AI

APOLLO baserer seg på kunstig intelligens for sin kraft. Algoritmen avhenger av AI for å identifisere og velge 100 av en prosessors millioner signaler, som korrelerer med dens strømforbruk. Disse 100 signalene brukes deretter til å bygge en strømforbruk-modell, og algoritmen overvåker dem for å forutsie chipens ytelse i sanntid.

Denne prosessen er autonom og data-drevet, hvilket betyr at den kan implementeres på nesten enhver type datamaskin-prosessor-arkitektur.

“Etter at AI har valgt sine 100 signaler, kan du se på algoritmen og se hva de er,” sa Xie. “Mange av valgene har intuitivt mening, men selv om de ikke gjør det, kan de gi tilbakemelding til designere ved å informere dem om hvilke prosesser som er mest sterkt korrelert med strømforbruk og ytelse.”

Forskerne sier at algoritmen ennå trenger videre testing og omfattende evalueringer på forskjellige plattformer. Dette er nødvendig før den kan bli adoptert av kommersielle datamaskin-produsenter.