《面向眾核體系結構空間特徵感知的熱管理研究》是依託武漢理工大學，由袁景凌擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向眾核體系結構空間特徵感知的熱管理研究
- 項目類別：青年科學基金項目
- 項目負責人：袁景凌
- 依託單位：武漢理工大學
項目摘要,結題摘要,
項目摘要
隨著計算機系統規模增長及大數據各類套用，大量異構應用程式和執行緒並發執行，使性能需求不斷提升，能耗問題日益突出。傳統體系結構分析方法，以單純細節模擬和統計分析為主，不適應大規模異構眾核體系結構的分析需求。為了更全面、更智慧型地分析和利用體系結構特徵，我們提出將大規模眾核系統複雜負載的熱行為映射成2D空間特徵，並採用機器學習等方法進行特徵分類和預測，以便更直觀地指導資源最佳化和熱管理。主要包括三項內容：（1）研究能獲取豐富信息、可擴展的空間特徵挖掘和分析方法，以較低開銷有效地獲取並分類典型的熱空間模式；（2）研究基於機器學習的空間特徵智慧型預測模型，快速重構相應配置眾核系統複雜負載的熱足跡；（3）研究空間特徵感知的資源最佳化和熱管理方法，建立熱衝突最小化模型，並利用反饋和學習機制，全局協作地調度任務和進行動態熱管理。研究成果將對提升複雜眾核系統分析和評估的有效性，節省大規模系統能耗有重要意義。
結題摘要
隨著雲計算和大數據時代的到來，新型體系結構及其節能分析方法已成為重要研究方向。項目研究目標在於“高瞻遠矚，見微知著”，更全面、更智慧型地分析和利用體系結構特徵，實現大數據時代的綠色計算。我們研究了基於機器學習的空間特徵挖掘方法和智慧型預測模型，空間特徵感知的全局協作資源最佳化和熱管理方法，綠色計算的能耗管理架構和大數據處理方法。主要工作和成果包括：（1）空間特徵挖掘方法和智慧型預測模型。將機器學習的方法融入到計算特徵的獲取中，實現了基於GPGPU的眾核計算特徵分析與建模；針對多/眾核處理器的參數及性能分析，提出了基於神經網路的多核功耗預測策略；提出了一種針對現代CNN架構的分散式、解耦、動態調整的GPU加速的深度學習框架；（2）全局協作資源最佳化和熱管理方法。研究了採用基於空間特徵的方法對NOC資源進行全局和協作的分配、調控和最佳化，實現高性能、低功耗和高可靠性。通過分析Hadoop集群的性能與資源利用狀況，實現了基於加速收斂蜂群算法的資源感知調度器；研究了數據就地處理系統InSURE，實現了可再生能源的現場計算系統；（3）綠色數據中心架構及能耗數據處理方法。提出了一種基於綠色數據中心能耗模型的不完備能耗大數據填補及分類算法；結合視覺聚類的核心思想，提出了基於粗粒度聚類單元策略CGU的並行化PAM聚類算法；設計了提出了綠色高效的數據中心能源管理框架GreenWorks。綜上所述，本研究促進了大數據時代計算機體系結構分析以及人工智慧方法與體系結構融合研究，這對提升複雜眾核系統分析和評估的有效性，節省大規模系統能耗及最佳化大數據處理有重要意義。項目資助發表了論文9篇，其中被SCI，EI收錄5篇(CCF A類會議一篇，CCF B類會議一篇)，編著專著1本，申請國內發明專利2項，相關研究的部分成果獲湖北省科技進步二等獎, 培養博士研究生2名，碩士研究生9名。項目經費使用符合預算和管理要求。
