論文の概要: DRAGON : A suite of Hardware Simulation and Optimization tools for Modern Workloads

• arxiv url: http://arxiv.org/abs/2204.06676v1
• Date: Wed, 13 Apr 2022 23:57:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-16 03:28:08.363231
• Title: DRAGON : A suite of Hardware Simulation and Optimization tools for Modern Workloads
• Title（参考訳）: DRAGON : 最新のワークロードのためのハードウェアシミュレーションと最適化ツールスイート
• Authors: Khushal Sethi
• Abstract要約: DRAGONは、ハードウェアシミュレーションと最適化ツールのスイートである。 DRAGONは、ハードウェアモデルジェネレータ(DGen)、ハードウェアOptSim、ハードウェアシミュレータを提供する。 私たちは、以前公開された作品の5倍のアーキテクチャと回路を生成することができます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce DRAGON, a suite of hardware simulation and optimization tools that enable hardware designers to simulate hardware designs, and to optimize hardware designs to efficiently execute certain workloads. The DRAGON toolchain provides the following tools: Hardware Model Generator (DGen), Hardware Simulator (DSim) and Hardware Optimizer (DOpt). Our work uses a simulation based method of running algorithms (represented as data-flow graphs) and architectures/technology (represented in a description language) to create the hardware model and then maps the algorithms on the hardware. We are able to generate architectures and circuits that are 5x better than previously published works [6, 7] and provide technology targets for improving to 100x and 1000x better computing systems. In conclusion, a new open-source, fast and explainable toolchain for end-to-end exploration and optimization of technologies and architectures is created.
• Abstract（参考訳）: ハードウェア設計者がハードウェア設計をシミュレートし、ハードウェア設計を最適化して、特定のワークロードを効率的に実行するハードウェアシミュレーションおよび最適化ツールのスイートであるdragonを紹介する。 DRAGONツールチェーンは、ハードウェアモデルジェネレータ(DGen)、ハードウェアシミュレータ(DSim)、ハードウェア最適化器(DOpt)というツールを提供する。 本研究では,シミュレーションに基づくアルゴリズム実行手法(データフローグラフとして表現)とアーキテクチャ/技術(記述言語で表現される)を用いて,ハードウェアモデルを作成し,そのアルゴリズムをハードウェア上にマップする。 我々は、以前公開された作品(6, 7)よりも5倍優れたアーキテクチャと回路を生成し、100倍と1000倍のコンピュータシステムを改善するための技術ターゲットを提供することができます。 結論として、テクノロジとアーキテクチャのエンドツーエンドの探索と最適化のための、新たなオープンソースで高速で説明可能なツールチェーンが作成されている。

関連論文リスト

• Efficient Compilation for Shuttling Trapped-Ion Machines via the Position Graph Architectural Abstraction [0.9199465050084297]
  この研究は、異なるタイプのハードウェアアーキテクチャのための、位置グラフと呼ばれる新しい統一抽象化を提示している。 我々は、トラップイオン量子電荷結合デバイス(QCCD)アーキテクチャをモデル化し、高品質で超伝導のスケーラブルなコンパイル方法を実現する。 このアプローチは、シャットリングベースの量子コンピュータの物理的制約に従うハードウェア上で、ネイティブで実行可能な回路とイオン命令を生成する。
  論文  参考訳（メタデータ） (2025-01-21T19:39:03Z)
• Using the Abstract Computer Architecture Description Language to Model AI Hardware Accelerators [77.89070422157178]
  AI統合製品の製造者は、製品のパフォーマンス要件に適合するアクセラレータを選択するという、重大な課題に直面します。 抽象コンピュータアーキテクチャ記述言語(ACADL)は、コンピュータアーキテクチャブロック図の簡潔な形式化である。 本稿では,AIハードウェアアクセラレーションのモデル化にACADLを用いること,DNNのマッピングにACADL記述を使用し,タイミングシミュレーションのセマンティクスを解説し,性能評価結果の収集を行う。
  論文  参考訳（メタデータ） (2024-01-30T19:27:16Z)
• DEAP: Design Space Exploration for DNN Accelerator Parallelism [0.0]
  大規模言語モデル(LLM)はますます複雑で、訓練やサービスにも強力になっています。 本稿では、ハードウェアとソフトウェアの共同設計がどのように連携し、カスタマイズされたハードウェアシステムを構築するかを示す。
  論文  参考訳（メタデータ） (2023-12-24T02:43:01Z)
• An approach to performance portability through generic programming [0.0]
  この研究は、低レベルおよび冗長なプログラミングツールを、C++のテンプレートメタプログラミングに基づく高レベルな汎用アルゴリズムに統合するための設計アプローチを説明する。 これにより、HPCのハードウェアの多様化期間において、科学ソフトウェアは保守性と効率が向上する。
  論文  参考訳（メタデータ） (2023-11-08T21:54:43Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• Learning Performance-Improving Code Edits [107.21538852090208]
  本稿では,大規模言語モデル(LLM)を高レベルプログラム最適化に適用するためのフレームワークを提案する。 まず、競争力のある77,000以上のC++プログラミングサブミッションペアによる、人間のプログラマによるパフォーマンス改善編集のデータセットをキュレートする。 提案手法は,検索をベースとした少数ショットプロンプトとチェーン・オブ・シンクレットを提案し,その微調整には,自己再生に基づく性能条件付き生成と合成データ拡張が含まれる。
  論文  参考訳（メタデータ） (2023-02-15T18:59:21Z)
• A modular software framework for the design and implementation of ptychography algorithms [55.41644538483948]
  我々は,Pychographyデータセットをシミュレートし,最先端の再構築アルゴリズムをテストすることを目的とした,新しいptychographyソフトウェアフレームワークであるSciComを紹介する。 その単純さにもかかわらず、ソフトウェアはPyTorchインターフェースによる高速化処理を利用する。 結果は合成データと実データの両方で示される。
  論文  参考訳（メタデータ） (2022-05-06T16:32:37Z)
• Rethinking Co-design of Neural Architectures and Hardware Accelerators [31.342964958282092]
  我々は,ニューラルアーキテクチャとハードウェアアクセラレータの協調設計の重要性と戦略を体系的に研究する。 実験の結果, 統合探索法は, 従来のプラットフォーム認識型ニューラルアーキテクチャ検索を一貫して上回っていることがわかった。 提案手法は, エッジ加速器のエネルギー消費量を, 同じ精度で最大2倍に削減できる。
  論文  参考訳（メタデータ） (2021-02-17T07:55:58Z)
• Optimising AI Training Deployments using Graph Compilers and Containers [0.0]
  ディープニューラルネットワーク(DNN)やディープラーニング(DL)に基づくAIアプリケーションは、分析や音声認識といった問題の解決に成功したことで人気を集めている。 我々はMODAKを導入し、コンテナ技術とAI用のグラフコンパイラをレビューする。
  論文  参考訳（メタデータ） (2020-08-26T16:58:32Z)
• Kernel methods through the roof: handling billions of points efficiently [94.31450736250918]
  カーネル法は、非パラメトリック学習に対するエレガントで原則化されたアプローチを提供するが、今のところ大規模な問題ではほとんど利用できない。 最近の進歩は、最適化、数値線形代数、ランダム射影など、多くのアルゴリズム的アイデアの利点を示している。 ここでは、これらの取り組みをさらに進めて、GPUハードウェアを最大限に活用する解決器を開発し、テストする。
  論文  参考訳（メタデータ） (2020-06-18T08:16:25Z)
• PolyDL: Polyhedral Optimizations for Creation of High Performance DL primitives [55.79741270235602]
  本稿では,Deep Learningプリミティブの高性能実装を自動的に生成するコンパイラアルゴリズムを提案する。 我々は多面体モデルを用いた新しいデータ再利用分析アルゴリズムを開発した。 また、このようなハイブリッドコンパイラとライブラリ使用の最小限のアプローチが、最先端のパフォーマンスをもたらすことを示す。
  論文  参考訳（メタデータ） (2020-06-02T06:44:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。