FPGAs의 분리형 메모리 채널에 대한 휴리스틱 기반 자원 최적화

요약

본 논문은 High-Level Synthesis (HLS)에서 Decoupled Access-Execute (DAE) 아키텍처의 OpenCL 채널 깊이를 최적화하는 새로운 휴리스틱 기반 접근법을 제안합니다. 기존 정적 분석 도구의 자원 과다 할당 문제를 해결하기 위해, LLVM 기반 프레임워크에 하드웨어 인식 개선 계층을 추가했습니다. 이 방법은 성능 역전 패러독스를 식별하고, 최소한의 채널 깊이에서 최고 성능을 달성하여 자원 효율성을 크게 향상시킵니다.

핵심 포인트

• DAE 아키텍처의 메모리 채널 깊이 최적화가 핵심입니다.
• 기존 정적 분석 도구는 자원을 과도하게 할당하는 문제가 있습니다.
• 제안된 휴리스틱 계층은 최소한의 채널 깊이에서 최고 성능을 보장합니다.
• 자원 효율성을 2.52배 향상시키는 결과를 얻었습니다.