文献

J-GLOBAL ID：202002272739321654   整理番号：20A1799205

統計的方法を用いたGPUアプリケーションの回復力を予測するPRISM【JST・京大機械翻訳】

PRISM predicting resilience of GPU applications using statistical methods

著者 (5件)： Kalra Charu (Northeastern University) ,  Previlon Fritz (Northeastern University) ,  Li Xiangyu (Northeastern University) ,  Rubin Norman (NVIDIA) ,  Kaeli David (Northeastern University)
資料名： ACM Proceedings  (ACM Proceedings)
号： SC ’18  ページ： 1-14  発行年： 2018年 
JST資料番号： D0698C  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： グラフィックス処理ユニット(GPU)は,高性能コンピューティング(HPC)と安全クリティカルドメインにおいてより普及するので,GPUアプリケーションが,データ崩壊から保護できることを確実にする。誤差を緩和するための事前の努力にもかかわらず,これらの応用が過渡故障の存在においてどのように弾力性があるかの明確な理解が不足している。これらの故障のランダム性のために,それらがプログラム出力を変えるかどうかを予測することは,挑戦的な問題である。本論文では,GPUプログラムにおける故障を予測するために,系統的アプローチを用いるPRISMというフレームワークを構築した。PRISMは,著者らの統計モデルを駆動するための予測子として役立つプログラムレジリエンスを特徴づけるためのマイクロアーキテクチャ診断特徴を抽出する。PRISMは,消耗故障注入キャンペーンを実行せずにアプリケーションにおける故障の予測を可能にし,それによって誤差推定努力を低減する。PRISMは,GPUアプリケーションの信頼性を改善するために必要な潜在的建築支援への洞察を得るためにも使用できる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  弾性 ,  レジリエンス ,  統計的方法 ,  *応用プログラム ,  統計模型
準シソーラス用語： 故障注入 ,  誤差推定 ,  マイクロアーキテクチャ ,  ランダム性 ,  過渡故障 ,  GPU【プロセッサ】 , 【Automatic Indexing@JST】

分類 (1件)： 専用演算制御装置  (JC04030Y)

タイトルに関連する用語 (6件)： 統計的方法 ,  GPU ,  アプリケーション ,  回復 ,  予測 ,  PRISM