پیش بینی برخط دما در فازهای مختلف دمایی برای سیستم های چندهسته ای

افزایش تعداد هسته ها برای افزودن توان محاسباتی پردازنده ها، منجر به افزایش دما در سیستم های چندهسته ای می گردد. لذا مدیریت دما در این پردازنده ها از اهمیت بالایی برخوردار است. مدیریت دما با رویکرد فعال، از یک مدل دمایی، برای پیش بینی دما پیش از رسیدن به دمای حدآستانه استفاده می کند. در این مقاله ویژگی های لازم برای پیش بینی دما با استفاده از ابزارهای اندازه گیری سیستم خوانده شده و از آن ها ویژگی های سابقه ای و کنترلی با استفاده از پردازش های پیشنهادی ایجاد شده اند. یک مدل دمایی برخط مبتنی بر چند فاز دمایی و برای هر فاز یک شبکه عصبی برای پیش بینی دما پیشنهاد شده است. فازهای مختلف دمایی با توجه به پارامترهای موثر بر دمای پردازنده با استفاده از شبکه نظریه تشدید انطباقی شناسایی شده اند. برای هر یک از شبکه های عصبی، حداقل تعداد ویژگی های مناسب برای پیش بینی در فاز دمایی مربوطه، بر پایه اطلاعات متقابل بین ویژگی ها انتخاب شده است. مدل دمایی پیشنهادی قادر است در زمان اجرا، در صورت برخورد با فاز دمایی جدید، آن را به مجموعه فازها اضافه کرده و شبکه عصبی مناسب برای آن را ایجاد کند. نتایج نشان می دهد در مدل دمایی پیشنهادی میانگین قدرمطلق خطا برای فاصله های زمانی مختلف کمتر از ۱ درجه سانتی گراد است.

کلیدواژه ها:

مدیریت دمای پویا ، پیش بینی دما ، انتخاب ویژگی ، پرسپترون چندلایه ای ، فاز دمایی ، شبکه ، نظریه تشدید انطباقی