적응형 시스템 온 칩 (SoCs) 은 자율 주행, 항공 및 의료 시스템과 같은 혼합 중요도 시스템 (MCSs) 에서 점차적으로 사용되고 있습니다. 이 맥락에서 AMD 는 이종 아키텍처를 갖춘 Versal SoC 를 제안했는데, 여기에는 AI 및 신호 처리 워크로드를 위해 설계된 프로세서와 메모리 타일 2 차원 배열인 인공 지능 엔진 (AIE) 이 포함됩니다. AIE 는 실시간 데이터 처리 작업을 가속화하는 데 상당한 잠재력을 제공하지만, 데이터플로우 그래프와 작업의 정적 매핑으로 인해 서로 다른 중요도 수준의 개별 작업을 타일에 동적으로 할당할 수 없기 때문에 아직 MCSs 의 맥락에서 탐구되지 않았습니다. 본 논문에서는 런타임에 AIE 에서 작업 스위칭을 가능하게 하는 동적 작업 디스패칭 인프라를 제안합니다. 이 인프라를 기반으로 시스템의 중요도 모드에 따라 서로 다른 중요도의 작업을 AIE 타일 풀로 동적으로 할당하는 MCS 설계를 제시합니다. 우리의 접근 방식은 정적 데이터플로우 그래프 매핑의 한계를 극복하며, 처음으로 AIE 의 병렬 처리 기능을 MCSs 에 활용합니다. 또한 작업 디스패칭 인프라가 도입한 오버헤드에 대한 포괄적인 타이밍 분석을 제시하며, 제어 로직, 컨텍스트 스위칭 및 데이터 복사 연산에 초점을 맞춥니다. 이는 이러한 연산이 낮은 분산을 보이며 전체 실행 시간과 비교할 때 무시할 수 있음을 보여주고, 인프라가 MCSs 에 적합함을 입증합니다. 마지막으로, 실행 시간이 가변적이고 서로 다른 중요도 수준의 작업을 가진 자율 주행 워크로드를 사용하여 제안된 인프라를 평가합니다. 이 사례 연구에서는 AIE 활용도를 최대화하여 유휴 시간을 65.5 % 줄이고, 실행 시간 오버헤드는 0.002 % 미만으로 측정했으며, 저 중요도 작업의 처리량을 두 배로 늘렸습니다.