Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
저수준 GPU 프로그래밍의 복잡성과 고수준 모델의 성능 한계를 극복하기 위한 새로운 프레임워크 nomp를 제안합니다. nomp는 pragma 기반 모델과 메타데이터를 활용하여 도메인 특화 최적화 패턴을 재사용함으로써 생산성, 이식성, 성능의 균형을 목표로 합니다.
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 바로가기저수준 GPU 프로그래밍 모델 (CUDA, HIP, OpenCL 등)은 하드웨어에 근접한 성능을 추출하기 위해 프로그램의 데이터 흐름과 실행 계획에 대한 상세한 제어를 제공합니다. 하지만 이러한 모델들은 구문(syntax)과 의미론(semantics)의 복잡성으로 인해 학습 곡선이 매우 가파릅니다. 이는 프로그래머의 생산성을 저하시킵니다. 반면, 저수준 모델에 대한 추상화 계층 역할을 하는 고수준 모델 (OpenMP, OpenACC 등)은 프로그래머의 생산성 향상을 목표로 하지만, 저수준 모델과 대등한 성능을 달성하는 것은 어려운 과제입니다. 두 접근 방식 모두 생산성(productivity), 이식성(portability), 성능(performance) 사이에 내재적인 트레이드오프(trade-off)가 존재하며, 이 세 가지를 동시에 달성하는 만능 해결책은 없습니다. 그러나 우리는 특정 도메인에 특화된 최적화 패턴을 재사용함으로써 성능과 이식성을 희생하지 않고도 프로그래머의 생산성을 향상시킬 여지가 있다고 믿습니다. 이를 위해, 우리는 도메인 특화 컴파일러(domain specific compilers) 구축을 위한 프레임워크인 nomp를 제안합니다. nomp는 pragma 기반의 프로그래밍 모델과 사용자가 제공한 메타데이터를 바탕으로 코드 변환 및 생성이 가능한 런타임(runtime)으로 구성됩니다.