بهینه سازی مدیریت توان در پردازنده های چندهسته ای با یادگیری ماشین و مقیاس بندی پویا ولتاژ و فرکانس

با کوچک تر شدن ترانزیستورها در پردازنده ها، مصرف انرژی کلی آن ها به جای کاهش، به دلیل افزایش تعداد ترانزیستورها، افزایش یافته است. این امر منجر به مشکلات حرارتی و کاهش کارایی کلی سیستم شده است. علاوه بر این، سالخوردگی مدارها نیز اهمیت زیادی پیدا کرده است؛ زیرا بر عملکرد و طول عمر پردازنده ها تاثیر منفی می گذارد. مقیاس بندی پویای ولتاژ و فرکانس، روشی برای مدیریت توان است که با تغییر ولتاژ و فرکانس پردازنده، مصرف انرژی را کاهش داده و طول عمر سیستم را بهبود می بخشد. در این مقاله، یک روش مبتنی بر یادگیری ماشین برای مدیریت توان در پردازنده های چندهسته ای معرفی می شود. این روش با بهره گیری از تحلیل ویژگی های ورودی و استفاده از الگوریتم درخت تصمیم گیری و تکنیک مقیاس بندی پویا ولتاژ و فرکانس، قادر است سطح بهینه ی ولتاژ و فرکانس هر هسته را پیش بینی و به صورت دقیق تخصیص دهد. نتایج ارزیابی نشان می دهد که مدل پیشنهادی با دقت ۹۵ درصد قادر به پیش بینی عملکرد سیستم در شرایط کاری مختلف است و می تواند به طور موثر در طراحی سیستم های کم مصرف به کار گرفته شود.

کلیدواژه ها:

Multi-core processors ، Power manager ، Machine learning ، Dynamic Voltage and Frequency Scaling (DVFS) ، Decision tree algorithm ، پردازنده های چندهسته ای ، مدیر توان ، یادگیری ماشین ، مقیاس بندی پویای ولتاژ و فرکانس ، الگوریتم درخت تصمیم گیری