X-OPM: 향상된 강건성을 위한 설명 가능한 자동 디지털 온칩 전력 모델링

사전 예방적 전력 관리 시스템은 런타임 전력 예측과 전력 인식 스케줄링을 통해 프로세서 동적 전력을 줄입니다. 정확하고 안정하며 오버헤드가 낮은 디지털 온칩 전력 측정기(OPM)는 예측 품질 향상에 매우 중요합니다. 최근 연구에서는 OPM 구축을 위해 선형 모델, 의사결정 트리(decision trees), 다층 퍼셉트론(MLP) 사용 등 다양한 모델링 방법을 탐구해 왔습니다. 하지만 현재 대부분의 접근 방식은 피처의 물리적 해석 가능성을 분석하지 않고 모델을 종단 간(end-to-end)으로 훈련시키기 때문에, 보지 못한 워크로드로 일반화하는 능력이 떨어집니다. 동기식 디지털 VLSI 회로의 설계 원칙에 기반하여, X-OPM은 피처 상호작용을 포착하기 위해 트리 기반 모델을 사용하고 예측을 위해 선형 모델을 사용하는 견고한 피처 엔지니어링 프레임워크를 도입합니다. 또한, 모델 정확도와 모델링 노력 사이의 균형을 맞추기 위해 인간 참여 루프(human-in-the-loop) 워크플로우를 통합했습니다. 상용 C906 벡터 프로세서에서 평가된 결과, X-OPM은 샘플링 윈도우 크기를 8 사이클 미만으로 설정했을 때 모든 워크로드에서 일관되게 $R^2 > 0.93$을 달성합니다. 반면, APOLLO, COBIT 및 표준 MLP를 포함한 최신 기술(state-of-the-art) 방법들은 모든 테스트 케이스에 걸쳐 일반화하는 데 실패했습니다. 상용 EDA 도구로 레이아웃했을 때 X-OPM은 0.1% 미만의 면적 오버헤드를 발생시키는데, 이는 경량 트리 기반 및 선형 모델과 비슷한 수준이며 MLP 기반 모델보다 훨씬 작습니다.