Forskning viser at det usannsynlige kan gjøres mulig

SCP-1429 Organoid Organisms | euclid class | transfiguration / contagion / parasitic scp (Kan 2019).

Anonim

Mikroprosessorer er kjernen til enheter som datamaskiner, smarte telefoner og iPads. I Texas Arkitektur og Compiler Optimization (TACO) laboratoriet ved Texas A & M University har Dr. Daniel Jiménez, professor i Institutt for datateknologi, revolusjonert måten forskning på denne teknologien utføres.

Mikroprosessorer utfører programmer ved å lese instruksjoner skrevet i maskinspråk, dekode dem, utføre deres mål og lagre resultatene. I likhet med en forsamlingslinje behandler de instruksjoner gjennom en kanal kalt en rørledning hvor mange instruksjoner behandles samtidig i forskjellige stadier.

Enkelte kommandoer, som forgreningsinstruksjoner, fører til at rørledningen midlertidig stopper til instruksjonen kan fullføres. Branch instruksjoner kan endre kilden til påfølgende instruksjoner, skape potensialet for en type problem kjent som en kontrollfare; Når det oppstår en kontrollfare, kan ikke annet arbeid utføres. Jiménez arbeider for å løse disse farene med mikroarkitektursprognose.

Noen instruksjoner legger inn verdier fra datamaskinens hovedminne, som vanligvis er laget av høy kapasitet, men langsom teknologi som kalles Dynamisk Random Access Memory (DRAM). Når en belastningsinstruksjon har tilgang til hovedminnet, kan det ta opptil 300 ganger lengre tid enn en instruksjon som ikke bruker hovedminnet.

En forsinkelse forårsaket av det sakte minnet kalles en datafare og kan også redusere ytelsen. Mikroprosessorer stole på en cache for å unngå kostnadene ved å få tilgang til det sakte minnet. Imidlertid har de fleste prosessorers caches en begrenset kapasitet til å beholde de riktige dataene.

Jiménez har utviklet mange algoritmer for å utføre grensespredning, noe som gjør det mulig for prosessoren å forutsi om en filialinstruksjon vil føre til endring i styringsflyten i et program. De fleste av hans algoritmer er basert på nevrale læring - samme form for informasjonsbehandling som nevrale nettverk, slik som bruk av biologisk nervesystem.

Jiménez grenforutsigere er blant de mest nøyaktige i litteratur og industri, og brukes i en rekke databehandlingsplattformer som høyytelses datamaskiner, skrivebord og bærbar PC, samt mobil databehandling. Nylige mikroprosessorer fra Advance Micro Devices (AMD), Oracle og andre har grenseforutsigere basert på disse designene. Han ble tildelt NSF CAREER-stipend for sitt arbeid i dette området.

Jiménez og hans team i TACO lab har utviklet flere dead block prediction algoritmer samt forbedret cache utskiftingspolitikk for data farer. Døde blokkspådommer gir en prediksjon om hvorvidt en blokk med data vil bli brukt igjen i nær fremtid. Med denne informasjonen kan hurtigbufferkontrollen bestemme om det skal holdes en blokk eller fjerne den til fordel for en blokk som er mer sannsynlig å bli brukt snart. dette forbedrer lagringskapasiteten til hurtigbufferen og i sin tur effektiviteten.

"Da jeg først begynte å jobbe med ideen om å bruke nevrale læring i grenavtale, skjønte jeg ikke at ideen var helt upraktisk, " sa Jiménez. "Når jeg foreslo det, lærte jeg at de stramme tidsbegrensningene i en mikroprosessor gjør neural læring nesten umulig å implementere for grenavtale. Jeg tilbrakte flere år som assistent og lektor ved Rutgers å gjøre" helt upraktisk "og" nesten umulig "til virkelighet ved å oppfatte ulike teknikker for å løse timingproblemet, samt forbedre nøyaktigheten. "

Jiménez og hans studenter har introdusert flere forbedrede blokkeringsspådommer og cache-erstatningspolitikker, inkludert deres nyeste papir som ble presentert på 2016-HPCA-konferansen.

Det papiret, "Minimal Disturbance Placement and Promotion, " introduserte en policy som bruker svært lite maskinvare overhead for å gjøre cache utskifting som resulterer i ytelse konkurransedyktige med state-of-the-art politikk med høyere kostnader.

De har nylig sendt inn et annet papir som kombinerer nevrale læring med død blokkerings prediksjon for å overgå alle andre state-of-the-art politikker. Flere mikroprosessorprodusenter har uttrykt interesse for å bruke disse hurtigreparasjonsalgoritmer.

Jiménez begynte først å studere mikroarkitektursprognose mens han fullførte doktorgraden ved University of Texas i Austin i 1999; hans første nervegrenseforutsigelse var et samarbeid med utdanningsrådgiver, Dr. Calvin Lin.

Jiménezs undersøkelse om filialprediksjon ble omtalt i 2009-utgaven av IEEE Micros "Toppvalg fra Computer Architecture Conferences"; Denne undersøkelsen ble gjennomført i samarbeid med Dr. Doug Burger og Dr. Renée St. Amant fra University of Texas i Austin. Han har også samarbeidet med dr. Gabriel Loh fra AMD Research om grenseforutsigelse og annen mikroarkitektural prediksjon.

menu
menu