대규모 이기종 시스템의 통신 복잡성이 증가함에 따라, 통신 인지형 (communication-aware) 워크로드 배치 및 라우팅 최적화를 위한 런타임 방법론의 필요성이 높아지고 있습니다. 본 논문에서는 기존의 네트워크 온 칩 (networks-on-chip) 방식처럼 데이터만을 이동시키는 대신, 연산 노드 컨텍스트 (compute node context)와 데이터를 더 적절한 위치의 노드로 전송하는 새로운 토폴로지 불가지론적 (topology-agnostic) 접근 방식인 SHIFT를 제안하여 이러한 통신 제한 문제를 해결합니다. 제안된 전략은 이기종 워크로드를 위한 다중 대역폭 도메인 (multiple bandwidth-domains)을 특징으로 하는 미세 피치 통합 플랫폼을 활용하는 칩렛 (chiplet) 기반 아키텍처에서 평가됩니다. 제안된 아키텍처는 기능 또는 메모리 칩렛과 라우팅 및 연산 재배치를 위한 지능형 노드 역할을 하는 유틸리티 칩렛 간의 다층 라우팅 (multi-layered routing)을 채택합니다. 적응형 스케줄링 및 라우팅은 대규모 시스템을 위해 수정된 최단 경로 알고리즘을 사용하며, 적응성을 향상시키기 위해 트래픽 상태를 추론하는 경량 ML 지원 정책 (ML-assisted policy)으로 보완됩니다. 성능 기준점 (performance baseline)을 설정하기 위해, 초기 평가는 무작위 명령어 벡터와 데이터 패턴을 사용하여 SHIFT의 기본 역량을 평가합니다. 시뮬레이션 결과, 구성에 따라 총 시도 횟수 대비 75.2%에서 97.9% 사이의 성공적인 재배치를 보여주었으며, 평균 지연 시간 (latency)은 16.4%~62.5%, 최대 76.8% 개선되었습니다. 또한, 처리량 (throughput)은 최대 12.5배 향상되었고, 단위 면적당 전력 소모는 약 8% 감소했으며, 비트당 에너지 (energy-per-bit)는 최대 58.3% 감소하였고, 성능은 18% 향상되었습니다. 높은 로직 및 데이터 밀도 하에서의 효율성을 평가하기 위해, 본 프레임워크는 표준 LLM 워크로드에서 테스트되었습니다. 결과적으로 실행 시간, 처리량, 에너지 효율성 측면에서 각각 평균 4.9배, 5.9배, 1.8배의 개선을 보여주었으며, 이는 최첨단 웨이퍼 스케일 (wafer-scale) LLM 서비스를 능가하며 대규모 플랫폼 및 애플리케이션과의 호환성을 입증합니다.