arXiv논문2026. 11. 13. 16:02

AMARA: 그래프 확률 표본 추출을 위한 컴파일러 기반 가속기 아키텍처 설계 대표 이미지

AMARA: 그래프 확률 표본 추출을 위한 컴파일러 기반 가속기 아키텍처 설계

원문 발행 2026. 11. 11. 17:03원문 언어 영어AI 한국어 번역arXiv cs.PL (Programming Languages) 원문 보기

요약

본 논문은 확률 그래프 모델의 표본 추출을 위해 컴파일러 기반 가속기 프레임워크인 AMARA를 제시합니다. AMARA는 MCMC-IR이라는 도메인 특화 중간 표현을 도입하여 병렬성을 노출하고, 이를 프로그래밍 가능한 ASIC에 최적화하여 실행합니다. 이 아키텍처는 다양한 확률 모델에서 높은 처리량과 넓은 범용성을 입증했습니다.

핵심 포인트

AMARA는 MCMC 기반 표본 추출을 위한 컴파일러/가속기 프레임워크입니다.
도메인 특화 중간 표현(MCMC-IR)으로 병렬성과 의존성을 분리합니다.
프로그래밍 가능한 ASIC에서 실행되어 범용성과 효율성을 확보했습니다.
JAX-GPU 대비 평균 6.1배의 높은 표본 추출 처리량을 달성했습니다.

AI 자동 생성 콘텐츠

본 콘텐츠는 arXiv cs.PL (Programming Languages)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.

원문 바로가기

0

댓글

0

표본 추출 방법은 확률 모델의 학습 및 추론에 필수적인 기본 원리(primitives)입니다. 하지만 마르코프 체인 몬테카를로 (MCMC)와 같은 표본 추출 알고리즘을 범용 프로세서에서 실제로 배포하는 것은 여전히 어렵습니다. 기존 하드웨어 가속기는 표본 추출 효율성을 개선하지만, 일반적으로 특정 클래스의 모델, 그래프 토폴로지 또는 업데이트 스케줄에 특화되어 있어 실제 애플리케이션에서 사용되는 다양한 워크로드를 지원하기가 어렵습니다.

본 논문은 임의의 확률 그래프 모델(probabilistic graphical models)에서의 확률 표본 추출을 위한 엔드투엔드 컴파일러 기반 가속기 프레임워크인 AMARA를 제시합니다. AMARA는 국소 요인 분해 계산과 전역 업데이트 의존성을 분리하는 도메인 특화 중간 표현(domain-specific intermediate representation)인 MCMC-IR을 도입합니다. 이 표현을 기반으로 컴파일러는 병렬성을 노출하고 불규칙한 그래프 통신을 줄이기 위해 아키텍처 인식 파티셔닝, 스케줄링 및 메모리 접근 최적화를 수행합니다. 최적화된 프로그램은 간결한 명령어 세트 구조(ISA)로 변환되어 특화된 컴퓨팅, 표본 추출 및 메모리 지원 기능을 갖춘 프로그래밍 가능한 ASIC 가속기에서 실행됩니다. 컴파일러와 아키텍처를 공동 설계함으로써, AMARA는 실제 MCMC 기반 확률 계산을 위해 모델의 일반성과 가속기의 효율성 사이의 격차를 해소합니다.

우리는 그리드 구조 및 불규칙 에너지 기반 모델, 그리고 인과 추론 네트워크를 포함하여 다양한 구조를 가진 대표적인 워크로드에 걸쳐 AMARA를 평가했습니다. 그 결과, AMARA는 높은 표본 추출 처리량과 효율적인 하드웨어 활용도를 달성하는 동시에 광범위한 이산 확률 모델을 지원함을 보여주었습니다. AMARA는 불규칙 워크로드에서 JAX-GPU 기준선 대비 평균 6.1$ imes$ (최대 16.3$ imes$) 높은 표본 추출 처리량을 달성하며, 최첨단 가속기보다 더 넓은 프로그래밍 가능성을 제공합니다.