文献

J-GLOBAL ID：201702226091558405   整理番号：17A1555002

AMM:物理コードの性能を予測するためのスケーラブルなメモリ再利用モデル【Powered by NICT】

AMM: Scalable Memory Reuse Model to Predict the Performance of Physics Codes

著者 (4件)： Chennupati Gopinath ,  Santhi Nandakishore ,  Eidenbenz Stephan ,  Thulasidasan Sunil
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CLUSTER  ページ： 649-650  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 米国エネルギー省(DOE)はエクサスケールコンピューティングに投資するとして,CPU上の物理コードのスケーラブルな性能モデリングは,メモリ階層,命令パイプライン,投機的実行のようなプロセッサの最新の設計特徴による計算コデザインにおける硬課題として残っている。再利用距離はキャッシュヒット率を予測することができる強力な(しかしunscalable)特性である。解析的メモリモデル(AMM),キャッシュメモリ階層に基づく新しいハードウェアモデルを提案した。AMMは非常に小さなコード例からの塩基性コードブロックとサンプリングの静的解析の組み合わせにより再利用距離分布の密接な近似を効率的に計算する。結果はAMMは科学的ミニ応用(例えば,行列乗算)の再利用プロファイルを正確に予測することを示した。AMMの結合性能予測ツールキット(PPT)を用いて,さらにIntel Xeonに関する科学的コードのスケーラブル実行時間予測を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 米国エネルギー省 ,  キャッシュメモリ ,  演算プロセッサ ,  *記憶装置 ,  *予測 ,  記憶階層 ,  *再利用
準シソーラス用語： 実行時間 ,  ツールキット ,  性能予測 ,  行列積 ,  静的解析 ,  キャッシュヒット率 ,  コデザイン ,  投機実行 , 【Automatic Indexing@JST】

分類 (2件)： 制御方式  (JC02030K) ,  ディジタル計算機方式一般  (JC02010O)

タイトルに関連する用語 (4件)： 物理 ,  予測 ,  再利用 ,  モデル