BigPower: 대규모 언어 모델을 이용한 CPU의 계층적 소스 레벨 모듈 전력 추정
요약
LLM 기반의 계층적 소스 레벨 대리 모델인 BigPower를 제안합니다. CPU 설계 단계에서 시뮬레이션 없이 소스 레벨 정보만으로 미세 모듈 단위의 전력 소비를 정확하게 추정할 수 있습니다.
핵심 포인트
- LLM 기반 표현법과 아키텍처 계층 구조 결합
- 추가 시뮬레이션 없는 실시간 모듈 레벨 전력 추정
- XiangShan 프로세서 대상 실험을 통한 실용성 입증
- 기존 시뮬레이션 기반 워크플로의 효율적 대안 제시
정확한 전력 추정은 CPU 전력 동작을 이해하고 최적화하는 데 중요하지만, 실제 워크플로에서는 시뮬레이션에서 파생된 정보나 포스트 실리콘 (post-silicon) 분석에 의존하는 경우가 많습니다. 본 연구에서는 CPU 설계 과정 중 미세한 모듈 레벨의 전력을 추정하기 위한 계층적 소스 레벨 대리 모델 (surrogate model)인 BigPower를 제안합니다. BigPower는 대규모 언어 모델 (Large Language Model, LLM) 기반의 표현법을 아키텍처 계층 구조, 모듈 연결성, 구성 파라미터 및 워크로드 컨텍스트와 결합하여 활용함으로써, 추론 과정에서 추가적인 시뮬레이션 없이도 소스 레벨 설계 정보로부터 모듈 레벨의 전력 소비를 직접 추정합니다. 오픈 소스 XiangShan 프로세서 제품군을 대상으로 한 실험 결과는 다양한 구성과 워크로드에 걸쳐 실용적인 미세 전력 추정이 가능함을 입증하며, 기존의 시뮬레이션 기반 워크플로를 대체할 수 있는 효율적인 대안을 제공합니다.
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 바로가기0