2022 Fiscal Year Annual Research Report
Automatic synthesis of memory access optimization programs synergistically coordinated with deep learning and empirical methods
| Project/Area Number |
19K11874
|
|---|
| Research Institution | Toyohashi University of Technology |
|---|
Principal Investigator |
佐藤 幸紀 豊橋技術科学大学, 工学(系)研究科(研究院), 准教授 (30452113)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | メモリアクセス最適化 / 性能モデル / ハード・ソフト協調設計 / 深層学習と経験的手法 / プログラム自動合成 |
|---|
| Outline of Annual Research Achievements |
2022年度は、不揮発性メモリをメモリ階層に組み入れた場合のメモリアクセスの挙動をシミュレーションする統合型メモリ階層シミュレータを高度化することを試みた。DRAMよりも高速かつ低エネルギの書き込みが可能なVC-MRAM (Voltage-Controlled Magnetoresistive RAM : 電圧駆動磁気抵抗メモリ)をメインメモリにするシナリオにおいて、エラーが確率的に発生するという条件の下で信頼性のモデルを構築した。ECCによる誤り訂正やRowバッファレベルでの局所性、ビットレベルでの誤り確率に基づくエラーの挿入に関する詳細なモデリングを行い、システムレベルのシミュレーションを実施した。本研究の成果はThe 6th cross-disciplinary Workshop on Computing Systems, Infrastructures, and Programming (xSIG 2022)で発表され、Outstanding Effort Awardを受賞した。今後は、得られた成果をジャーナル論文として取りまとめる計画である。
加えて、メモリトレースを用いた詳細なキャッシュシミュレータの開発については、スーパーコンピュータ富岳に搭載されるCPUであるA64FX向けのSVEによるベクトル化がされた実行バイナリコードを入力として、同CPUのキャッシュパラメータを用いてメモリ階層のシミュレーションを行う環境の研究開発を行った。本シミュレーションを行うためには、ARMのベクトル命令拡張であるSVEに対応したバイナリ計装ツールが必要であることから、DynamoRIOの最新のリリースを用いた評価や、独自の拡張を試みた。実装については一定程度のめどがついたため、今後は、A64FXが搭載される実機を用いてトレースをリアルタイムに取得しながらキャッシュシミュレーションを行う機構として発展させる計画である。
|
