TL;DR
- چکیده:.
- از آنجایی که خوشههای محاسباتی HPC در مقیاس بزرگ بهطور فزایندهای شتابدهندههایی مانند پردازندههای گرافیکی را برای برآورده.
- کردن نیازهای طاقت فرسا بارهای کاری مدرن استفاده میکنند،.
چه اتفاقی افتاد
چکیده:. از آنجایی که خوشههای محاسباتی HPC در مقیاس بزرگ بهطور فزایندهای شتابدهندههایی مانند پردازندههای گرافیکی را برای برآورده.
کردن نیازهای طاقت فرسا بارهای کاری مدرن استفاده میکنند،. این خوشهها بهطور فزایندهای در حال محدود شدن انرژی هستند.
متأسفانه، برنامههای مدرن اغلب میتوانند بهطور موقت از توان شتابدهندهها ("میزان قدرت") فراتر روند. بنابراین، سیستمهای HPC فعلی و آینده باید هم برای قدرت و هم عملکرد با هم بهینه شوند.
با این حال،. این امر توسط برنامههای کاربردی متنوع و فزاینده دشوار میشود،.
که اغلب به بهینهسازیهای سفارشی برای اجرای کارآمد در هر خوشه نیاز دارند. بهطور سنتی محققان این مشکل را با پروفایل کردن برنامههای کاربردی بر روی خوشههای خاص و بهینهسازی غلبه.
میکنند،. اما مقیاس،.
تنوع الگوریتمیو فقدان ابزارهای مؤثر این موضوع را به چالش میکشد. برای غلبه بر این ناکارآمدیها،.
ما Minos را پیشنهاد میکنیم،. یک مکانیسم طبقه بندی سیستماتیک که شناسایی میکند ویژگیهای کاربردی مشابه از طریق پروفایل سازی کم.
هزینه برای قدرت و عملکرد. این به ما امکان میدهد تا بارهای کاری با رفتار مشابه را در تعداد محدودی از کلاسهای مجزا.
گروهبندی کنیم و هزینههای سربار تولید گسترده بارهای کاری جدید را کاهش دهیم. بهعنوان مثال،.
هنگام پیشبینی رفتار دربندی فرکانس برای یک برنامهای که قبلا دیده نشده بود،. مینوس زمان پروفایل را تا 89 درصد کاهش میدهد.
علاوه بر این،. در میان 18 بار کاری پرکاربرد،.
HPC،. HPC+ML و ML،.
Minos به میانگین خطای 4% برای پیشبینی قدرت و 3% برای پیشبینی عملکرد دست مییابد که بهطور قابلتوجهی. پیشبینیها را نسبت به رویکردهای پیشرفته تا 10% بهبود میبخشد.
محاسبات توزیع شده، موازی و خوشهای (cs. DC)؛ عملکرد (cs.
PF) استناد بهعنوان: (یا v2 [cs. DC] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite پیوند (های) منابع مرتبط تاریخچه ارسال از:. Yiwei Jiang [مشاهده ایمیل] [v1] شنبه،.
4 آوریل 2026،. 04:.
51:. 29 UTC (1,.
482 KB) [v2] سهشنبه،. 7 آوریل 2026،.
03:. 40:.
07 UTC (1500 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.