論文の概要: When Radiation Meets Linux: Analyzing Soft Errors in Linux on COTS SoCs under Proton Irradiation

• arxiv url: http://arxiv.org/abs/2503.03722v2
• Date: Thu, 06 Mar 2025 16:31:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 12:14:33.843396
• Title: When Radiation Meets Linux: Analyzing Soft Errors in Linux on COTS SoCs under Proton Irradiation
• Title（参考訳）: Linuxと放射線:COTS SoC上でのソフトエラーをプロトン照射で分析
• Authors: Saad Memon, Rafal Graczyk, Tomasz Rajkowski, Jan Swakon, Damian Wrobel, Sebastian Kusyk, Mike Papadakis,
• Abstract要約: Linux on commercial off-the-shelf (COTS) system-on-chip (SoC) in spaceborne computingは、ソフトエラーのような放射線誘発障害に対する感受性を継承する。 現代のCOTSは、アグレッシブトランジスタのスケーリングにより、臨界電荷閾値が減少し、ソフトエラーを誘発し、高密度に充填されたトランジスタ内での放射線効果を増大させるため、この問題を悪化させる。 Linuxのモノリシックアーキテクチャはこれらのリスクを増幅し、密結合されたカーネルサブシステムはエラーを重要なコンポーネント(メモリ管理など)に伝達するが、エラー訂正コード(ECC)は最小限の緩和を提供する。
• 参考スコア（独自算出の注目度）: 5.666519003984725
• License:
• Abstract: The increasing use of Linux on commercial off-the-shelf (COTS) system-on-chip (SoC) in spaceborne computing inherits COTS susceptibility to radiation-induced failures like soft errors. Modern SoCs exacerbate this issue as aggressive transistor scaling reduces critical charge thresholds to induce soft errors and increases radiation effects within densely packed transistors, degrading overall reliability. Linux's monolithic architecture amplifies these risks, as tightly coupled kernel subsystems propagate errors to critical components (e.g., memory management), while limited error-correcting code (ECC) offers minimal mitigation. Furthermore, the lack of public soft error data from irradiation tests on COTS SoCs running Linux hinders reliability improvements. This study evaluates proton irradiation effects (20-50 MeV) on Linux across three COTS SoC architectures: Raspberry Pi Zero 2 W (40 nm CMOS, Cortex-A53), NXP i MX 8M Plus (14 nm FinFET, Cortex-A53), and OrangeCrab (40 nm FPGA, RISC-V). Irradiation results show the 14 nm FinFET NXP SoC achieved 2-3x longer Linux uptime without ECC memory versus both 40 nm CMOS counterparts, partially due to FinFET's reduced charge collection. Additionally, this work presents the first cross-architecture analysis of soft error-prone Linux kernel components in modern SoCs to develop targeted mitigations. The findings establish foundational data on Linux's soft error sensitivity in COTS SoCs, guiding mission readiness for space applications.
• Abstract（参考訳）: 宇宙コンピューティングにおける商用オフザシェルフ(COTS)システムオンチップ(SoC)へのLinuxの利用の増加は、ソフトエラーのような放射線誘発障害に対するCOTSの感受性を継承している。 現代のSoCは、アグレッシブトランジスタのスケーリングにより臨界電荷閾値が減少し、ソフトエラーを誘発し、高密度に充填されたトランジスタ内の放射線効果を増大させ、全体的な信頼性を低下させ、この問題をさらに悪化させる。 Linuxのモノリシックアーキテクチャはこれらのリスクを増幅し、密結合されたカーネルサブシステムがエラーを重要なコンポーネント(メモリ管理など)に伝達する一方で、エラー訂正コード(ECC)は最小限の緩和を提供する。 さらに、Linuxで動作するCOTS SoCの照射試験による公開ソフトエラーデータが欠如していることは、信頼性の向上を妨げている。 Raspberry Pi Zero 2 W (40 nm CMOS, Cortex-A53), NXP i MX 8M Plus (14 nm FinFET, Cortex-A53), OrangeCrab (40 nm FPGA, RISC-V) である。 照射の結果、14nmのFinFET NXP SoCはECCメモリなしで2～3倍長いLinuxアップタイムを達成した。 さらに、現代のSoCにおいて、ソフトエラーを起こしやすいLinuxカーネルコンポーネントのクロスアーキテクチャ解析を行い、ターゲット緩和を開発する。 この結果は、COTS SoCにおけるLinuxのソフトエラー感度に関する基礎的なデータを確立し、宇宙アプリケーションへのミッションの準備を導く。

関連論文リスト

• Demonstrating dynamic surface codes [138.1740645504286]
  曲面符号の3つの時間力学的実装を実験的に実証した。 まず、曲面コードを六角格子上に埋め込んで、キュービットあたりの結合を4つから3つに減らした。 第二に、サーフェスコードを歩き、データの役割を交換し、各ラウンドごとにキュービットを測定し、蓄積した非計算エラーの組込み除去による誤り訂正を達成する。 第3に、従来のCNOTの代わりにiSWAPゲートを用いた表面コードを実現し、追加のオーバーヘッドを伴わずに、エラー訂正のための実行可能なゲートセットを拡張した。
  論文  参考訳（メタデータ） (2024-12-18T21:56:50Z)
• LUCI in the Surface Code with Dropouts [0.3105392140394824]
  本稿では,耐故障性回路を構築するためのフレームワークLUCIを提案する。 LUCIは格子的に不完全な量子ビットカップラを持つ表面符号回路に適応するために使用することができる。 LUCI は 1-in-a-trillion の論理符号ブロック誤り率に到達するために,物理量子ビットをほとんど必要としないことを示す。
  論文  参考訳（メタデータ） (2024-10-18T22:29:37Z)
• Accelerating Error Correction Code Transformers [56.75773430667148]
  本稿では,トランスを用いたデコーダの高速化手法を提案する。 最新のハードウェアでは、90%の圧縮比を実現し、算術演算エネルギー消費を少なくとも224倍削減する。
  論文  参考訳（メタデータ） (2024-10-08T11:07:55Z)
• Accelerating TinyML Inference on Microcontrollers through Approximate Kernels [3.566060656925169]
  本研究では、近似計算とソフトウェアカーネル設計を組み合わせることで、マイクロコントローラ上での近似CNNモデルの推定を高速化する。 CIFAR-10データセットでトレーニングされたSTM32-Nucleoボードと2つの人気のあるCNNによる評価は、最先端の正確な推測と比較すると、平均21%のレイテンシ削減が可能であることを示している。
  論文  参考訳（メタデータ） (2024-09-25T11:10:33Z)
• BULKHEAD: Secure, Scalable, and Efficient Kernel Compartmentalization with PKS [16.239598954752594]
  カーネルの区画化は、最小特権原理に従う有望なアプローチである。 本稿では,セキュアでスケーラブルで効率的なカーネルコンパートナライズ技術であるBULKHEADを提案する。 ロード可能なカーネルモジュールを分割するプロトタイプシステムをLinux v6.1で実装する。
  論文  参考訳（メタデータ） (2024-09-15T04:11:26Z)
• On the Efficacy of Surface Codes in Compensating for Radiation Events in Superconducting Devices [2.1204495827342438]
  我々は,4億件以上の故障インジェクションから得られたデータを報告し,コード出力の復号後の論理誤差とハードウェア故障の相関関係を考察した。 本研究では, 表面符号を適切に選択し, 調整することで, 放射線誘発断層の修正確率を最大10%向上させることを示した。
  論文  参考訳（メタデータ） (2024-07-15T15:56:09Z)
• KGym: A Platform and Dataset to Benchmark Large Language Models on Linux Kernel Crash Resolution [59.20933707301566]
  大規模言語モデル(LLM)は、ますます現実的なソフトウェア工学(SE)タスクにおいて一貫して改善されている。 現実世界のソフトウェアスタックでは、Linuxカーネルのような基本的なシステムソフトウェアの開発にSEの取り組みが費やされています。 このような大規模システムレベルのソフトウェアを開発する際にMLモデルが有用かどうかを評価するため、kGymとkBenchを紹介する。
  論文  参考訳（メタデータ） (2024-07-02T21:44:22Z)
• Performance Limits of a Deep Learning-Enabled Text Semantic Communication under Interference [89.91583691993071]
  本稿では,(マルチインターフェラー)RFIの存在下でのDeepSCという人気テキストSemComシステムの性能限界について検討する。 本稿では,DeepSCが意味的に無関係な文を生成することを示す。 また,マルチインターフェラーRFIにおいて,DeepSCの実用限界と停止確率の低い値も導出する。
  論文  参考訳（メタデータ） (2023-02-15T05:43:08Z)
• Overcoming leakage in scalable quantum error correction [128.39402546769284]
  計算状態から高エネルギー状態への量子情報の漏洩は、量子誤り訂正(QEC)の追求における大きな課題である。 本稿では,Sycamore量子プロセッサ上で,各サイクルの全てのキュービットから漏れが除去される距離3曲面符号と距離21ビットフリップ符号の実行を実演する。 本報告では, 論理状態を符号化したデータキュービットにおける定常リーク集団の10倍の減少と, デバイス全体の平均リーク人口の1/10〜3ドルの減少を報告した。
  論文  参考訳（メタデータ） (2022-11-09T07:54:35Z)
• Fast and Accurate Error Simulation for CNNs against Soft Errors [64.54260986994163]
  本稿では,誤りシミュレーションエンジンを用いて,コナールニューラルネットワーク(CNN)の信頼性解析のためのフレームワークを提案する。 これらの誤差モデルは、故障によって誘導されるCNN演算子の出力の破損パターンに基づいて定義される。 提案手法は,SASSIFIの欠陥効果の約99%の精度と,限定的なエラーモデルのみを実装した44倍から63倍までのスピードアップを実現する。
  論文  参考訳（メタデータ） (2022-06-04T19:45:02Z)
• PENNI: Pruned Kernel Sharing for Efficient CNN Inference [41.050335599000036]
  最先端(SOTA)CNNは、様々なタスクにおいて優れたパフォーマンスを達成する。 その高い計算要求と膨大な数のパラメータにより、リソース制約のあるデバイスにこれらのSOTA CNNをデプロイすることは困難である。 本稿では,CNNモデル圧縮フレームワークであるPENNIを提案する。
  論文  参考訳（メタデータ） (2020-05-14T16:57:41Z)

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。