 Исследователи Ланкастерского университета вступают в гонку со временем, чтобы найти эффективные решения к быстро развивающейся эпохе «темного кремния».
Человечество скоро станет жить в эпохе, когда, возможно, более чем 80 процентов транзисторов компьютерных процессоров должны выключаться и оставаться «темными» в любое определенное время, чтобы предотвратить чип от перегрева.
Дизайн аппаратного обеспечения стремительно развивается, чтобы предотвратить эту необходимость выключения питания транзисторов и придумать инновационные решения. Но эти улучшения на аппаратном уровне приносят с собой сложности для компиляторов. Если не найти способ оказания помощи компиляторов, чтобы они могли идти в ногу с этими изменениями аппаратного обеспечения, то они больше не будут иметь возможность эффективно переводить язык программирования высокого уровня или исходный код, используемый в программном обеспечении машинного кода, который компьютерная техника понимает.
Пока проблема не будет решена, индустрия программного обеспечения будет застаиваться; программное обеспечение больше не будет иметь возможность эффективно взаимодействовать с оборудованием, и все усилия по решению проблемы темного силикона будут напрасными.
Благодаря гранту в £98000 от исследовательского совета инженерно-физических наук, исследователи Ланкастерского университета в настоящее время работают над новыми «умными» компиляторов, которые используют машинное обучение и находят более эффективные способы собственной работы в качестве посредника между программным обеспечением и аппаратным обеспечением.
Чжэн Ван, преподаватель в университете по вычислениям и коммуникациям, сказал: «Разработчики борются над тем, чтобы справиться с этим резким увеличением аппаратной сложности и текущие инструменты неадекватно соответствуют задаче. Если мы не в состоянии решить эти проблемы, то впервые за последние десятилетия прогресс в индустрии программного обеспечения будет застаиваться. Наш проект призван обеспечить методы на уровне компилятора, используя машинное обучение.
«Традиционный подход создания компилятора, который полагается на экспертов, проводящих много лет на построение эффективного компилятора больше не представляется возможным. Новая, возникающих сложная архитектура аппаратных средств означает, что потребуется гораздо больше времени, чтобы построить достойный компилятор.
«Впервые машинное обучение будет располагаться в среде приложений, узнавая, как оптимизировать программы для отдельных вычислительных устройств. Наша интеллектуальная система компиляции будет приобретать знания каждый раз, когда программа будет скомпилирована и запущена, и использовать знания, чтобы узнать, как оптимизировать программу для каждой аппаратной платформы и для каждого пользователя. Чем больше знаний наша система получает, тем больше он знает, что как работает. Со временем, программы будут работать быстрее, а вся вычислительная система станет более энергоэффективной».
|
