基于强化学习的多核芯片动态功耗管理框架

TN402%TP315; 多核芯片可以为移动智能终端提供强大算力,但功耗和温度问题始终制约着其性能表现.针对这个问题,该文提出了一种基于强化学习的多核芯片动态功耗管理框架.首先,建立了一个基于GEM5的多核芯片动态电压频率调节仿真系统.然后,采用了一种考虑CMOS芯片物理特性的功耗模型构建方法以实现在线实时功耗监测.最后,设计了一种面向多核芯片的梯度式奖励方法,并使用深度Q神经网络(Deep Q Network,DQN)算法对多核芯片的功耗管理策略进行学习.仿真结果表明,相比于常规的Ondemand,MaxBIPS方案,该文所提出的框架分别实现了2.12％,4.03％的多核芯片计算性能提升....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	电子与信息学报 2023, Vol.45 (1), p.24-32
Hauptverfasser:	卓成, 曾旭东, 陈宇飞, 孙凇昱, 罗国杰, 贺青, 尹勋钊
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TN402%TP315; 多核芯片可以为移动智能终端提供强大算力,但功耗和温度问题始终制约着其性能表现.针对这个问题,该文提出了一种基于强化学习的多核芯片动态功耗管理框架.首先,建立了一个基于GEM5的多核芯片动态电压频率调节仿真系统.然后,采用了一种考虑CMOS芯片物理特性的功耗模型构建方法以实现在线实时功耗监测.最后,设计了一种面向多核芯片的梯度式奖励方法,并使用深度Q神经网络(Deep Q Network,DQN)算法对多核芯片的功耗管理策略进行学习.仿真结果表明,相比于常规的Ondemand,MaxBIPS方案,该文所提出的框架分别实现了2.12％,4.03％的多核芯片计算性能提升.
ISSN:	1009-5896
DOI:	10.11999/JEIT220350