Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 데이터 집약적인 동적 계획법(DP)의 메모리 벽 문제를 해결하기 위해, 계층 인식 3D PIM을 위한 매핑 작업을 자동화하는 MLIR 컴파일러 GenMLIR을 제안합니다. GenMLIR은 반-링 일반 그리드 업데이트를 일급 IR로 인코딩하고, 이를 통해 블록형 타일링 및 배치 등을 자동으로 수행하여 성능을 극대화합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AR의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기데이터 집약적인 동적 계획법(DP)에 대한 메모리 벽(memory wall)의 유망한 해결책으로 모놀리식 3D (M3D) DRAM에서의 프로세싱-인-메모리(PIM)가 있습니다. 하지만 현재 성능을 추출하려면 수동으로 작성된 커널이 필요합니다. 즉, 프로그래머는 타일 크기를 선택하고, 비균일 지연 시간 메모리 계층에 데이터를 배치하며, 이기종 처리 장치 간 작업 분할을 하고, 적절한 브로드캐스트와 큐를 수동으로 삽입해야 합니다. 우리는 계층 인식 3D PIM을 위한 매핑 작업을 자동화하는 MLIR 컴파일러인 GenMLIR을 제시합니다. GenMLIR은 모든 쌍 최단 경로(APSP) 및 시퀀스 정렬에 공통되는 대수적 형태인 반-링 일반 그리드 업데이트를 일급 IR 추상화로 인코딩하고, 이를 블록형 타일링, 계층 인식 배치, 타일-대-PU 할당, 명시적 통신을 도출하는 네 가지 GenDRAM 인식 패스 그룹을 통해 낮춥니다. 또한 이 추상화가 어떤 DP 점화식(recurrence)을 허용하고 어떤 것을 허용하지 않는지 정확하게 특성화합니다. GenDRAM 아키텍처에서, GenMLIR이 생성한 코드는 컴파일러 지원 없이 낮은 경우보다 APSP의 경우 최대 5.8배, 정렬의 경우 16.7배 빠르게 실행되며, 우리가 구현한 표준 아핀-타일링 PIM 컴파일러보다 1.21.4배 빠르며, 달성 가능한 성능 한계의 90100%에 도달합니다. 이는 이러한 워크로드를 300500줄 대신 49줄로 표현하고 실행 시간 대비 무시할 수 있는 시간에 컴파일합니다.