مروری براستفاده از یادگیری ماشین در مدیریت قابلیت اطمینان پردازنده های چندهسته ای
- سال انتشار: 1398
- محل انتشار: پنجمین کنفرانس ملی محاسبات توزیعی و پردازش داده های بزرگ
- کد COI اختصاصی: DCBDP05_052
- زبان مقاله: فارسی
- تعداد مشاهده: 1146
نویسندگان
دانشجوی کارشناسی ارشد، بخش مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان
استادیار، بخش مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان
دانشیار، بخش مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان
دانشیار،دانشکده مهندسی کامپیوتر، دانشگاه اصفهان
چکیده
یکپارچگی ترانزیستورها به همراه افزایش محدودیتها در مقیاس بندی ولتاژ برای فناوریهای نسل بعدی، سبب بروز مشکل سیلیکون تیره، تراکم توان و درجه حرارت بالا در سیستمهای چند هسته ای میشود. اگر هزینه های خنککننده به شرط عدم نقض محدودیتهای حرارتی تراشه ثابت نگه داشته شود، دیگر نمیتوان بهطور همزمان تمام هسته های روی تراشه را در سطح عملیاتی فعال کرد. در صورت عدم توجه، این مسئله منجر به نقاط داغی میشود که به نوبهی خود باعث ایجاد پیری غیریکنواخت، تسریع در شکست تراشه، کاهش قابلیت اطمینان و کاهش عملکرد در سیستم میشود. مقیاس بندی ولتاژ و فرکانس یک از روشهای مدیریت توان است که برای نظارت بر بار کاری سیستم و تصمیمگیری در مورد عملکرد ( ولتاژ و فرکانس) هسته های مختلف در یک سیستم چند هسته ای در جهت صرفهجویی بیشتر در توان مورداستفاده قرار میگیرد که خود باعث سربار اضافی برای سیستم میشود. تکنیکهای سنتی مدیریت توان به دانش پیشین خاصی از مدل حرارتی تراشه و اطلاعاتی مربوط به حجم کاری برنامه های در حال اجرا وابسته هستند. نتایج تجربی نشان داده است که تکنیکهای مدیریت توان مبتنی بر روشهای یادگیری ماشین، صرفهجویی در انرژی سیستم تحت بارهای متفاوت را تضمین میکند. همچنین این تکنیکها هم با تغییرات سیستم و هم با حجم کاری سازگاری دارند و سیستم با استفاده از یادگیری از رویدادهای گذشته باعث بهبود تصمیمات مدیریت توان میشود. در این مقاله، تکنیکهای یادگیری ماشین برای مدیریت توان، دما و کارایی بر روی پردازنده های تک یا چند هسته ای معرفی و بررسی شده اند.کلیدواژه ها
مدیریت توان، قابلیت اطمینان، یادگیری ماشین، مقیاس بندی پویای ولتاژ و فرکانسمقالات مرتبط جدید
- مرور سیستماتیک کاربرد هوش مصنوعی در موسیقی
- In-silico Analyses for Finding Potential Key Genes and Pathways Associated with Guillain-Barré Syndrome Using Computational Tools
- OCD Severity Based on EEG Signals
- Investigating the (non) -Impact of Customizing Knowledge Bases of Artificial Intelligence -Driven Robot on Language for Specific Purposes Learning
- The Need for Telehealth and Tele-Educationon in Optimizing Measles Surveillance and Reducing Healthcare Costs
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.