ディープニューラルネットワークを用いる高効率プリフェッチャの研究

• Project/Area Number: 25K15040
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 60040:Computer system-related
• Research Institution: The University of Tokyo
• Principal Investigator: 本城 剛毅 東京大学, 大学院理学系研究科(理学部), 助教 (70631282)
• Co-Investigator(Kenkyū-buntansha): 平木 敬 東京大学, 大学院情報理工学系研究科, 名誉教授 (20238348) ; 稲葉 真理 明治学院大学, 情報数理学部, 教授 (60282711)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2027: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2026: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000); Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
• Keywords: マイクロアーキテクチャ / ディープラーニング

Outline of Research at the Start

プロセッサにおけるキャッシュ・メモリのプリフェッチは、プロセッサの性能を向上させるための技術であるが、これまで実際に実装されている機構は単純なメモリアクセスパターンを予測できるものに過ぎない。ディープ・ラーニングを用いたプリフェッチ機構を開発し、開発したプリフェッチ機構と既存のハードウェア・プリフェッチ機構とをディープ・ラーニングを用いてハイブリッド動作させるハイブリッド機構を開発する。