재사용 인지형, 근접 메모리, 올-디지털 Ising 머신에 대한 상세 알고리즘 연구

최근 자연에서 영감을 얻은 컴퓨팅 (nature-inspired computing) 접근 방식이 어려운 최적화 문제를 해결하기 위해, 특히 NP-완전 (NP-complete) 응용 분야를 위한 Ising 머신을 통해 상당한 주목을 받고 있습니다. 기존의 Ising 가속기는 양자 및 광학 어닐러 (annealers)부터 CMOS 기반의 폰 노이만 (von-Neumann) 및 인메모리 (in-memory) 아키텍처에 이르기까지 다양합니다. 그러나 이전의 많은 설계는 특정 문제 클래스에 국한된 특화된 가속기이며, ADC/DAC 회로에 의존하고, 공정 변이 (process-variation)에 민감한 임베디드 메모리 기술로 인해 신뢰성 문제로 어려움을 겪습니다. 본 논문은 SRAM 기반의 프로세싱 인 메모리 (processing-in-memory, PIM) 기술을 사용하여 CPU의 L1 캐시를 재목적으로 활용하여 구현된 올-디지털 (all-digital) Ising 아키텍처인 SACHI를 제시합니다. SACHI는 ADC/DAC의 필요성을 제거하고, BRIM과 같은 이전 방식에 비해 신뢰성을 향상시키며, CPU 파이프라인에 통합된 최소한의 하드웨어 오버헤드로 Ising 가속을 가능하게 합니다. 또한 본 논문은 제안된 알고리즘에 대한 상세한 아키텍처 분석과 의사 코드 (pseudo-code)를 제공합니다. SACHI의 주요 기여는 다음과 같습니다: (i) 가속기와 CPU 파이프라인의 긴밀한 통합, (ii) 가속을 위한 기존 캐시 하드웨어의 재사용, (iii) 재사용 인지형 (reuse-aware) 계산을 통해 가능해진 더 높은 병렬성, (iv) 새로운 계산 및 매핑 전략을 사용하여 대규모, 고정밀 최적화 문제에 대해 향상된 성능 및 에너지 효율성입니다. BRIM과 비교했을 때, SACHI는 자산 배분 (asset allocation), 분자 역학 (molecular dynamics), 이미지 분할 (image segmentation), 외판원 문제 (traveling salesman problems)를 포함한 응용 분야에서 300배의 성능 향상과 80배의 에너지 절감을 달성했습니다. 또한, 여러 워크로드에 대해 최대 4000배의 재사용 계수 (reuse factors)가 관찰되었습니다. 본 연구는 범용 프로세서와 긴밀하게 통합된 범용 SRAM 구조를 사용하여 신뢰할 수 있고 효율적인 올-디지털 Ising 가속을 달성할 수 있음을 입증합니다.