論文の概要: Thermal Modeling and Optimal Allocation of Avionics Safety-critical Tasks on Heterogeneous MPSoCs

• arxiv url: http://arxiv.org/abs/2505.22214v1
• Date: Wed, 28 May 2025 10:40:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.55536
• Title: Thermal Modeling and Optimal Allocation of Avionics Safety-critical Tasks on Heterogeneous MPSoCs
• Title（参考訳）: 異種MPSoCの熱モデリングとアビオニクス安全クリティカルタスクの最適配置
• Authors: Ondřej Benedikt, Michal Sojka, Přemysl Šůcha, Pavel Zaykov, Zdeněk Hanzálek,
• Abstract要約: 高消費電力とアビオニクスの安全基準が組み合わさって、新しい熱管理の課題をもたらす。 本稿では,不均一MPSoC上での周期的タスクのオフライン熱的アロケーション手法について検討する。 実験的なパワーモデルとILPを統合することで,テスト対象のプラットフォーム上での他の手法よりも優れた性能を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Multi-Processor Systems-on-Chip (MPSoC) can deliver high performance needed in many industrial domains, including aerospace. However, their high power consumption, combined with avionics safety standards, brings new thermal management challenges. This paper investigates techniques for offline thermal-aware allocation of periodic tasks on heterogeneous MPSoCs running at a fixed clock frequency, as required in avionics. The goal is to find the assignment of tasks to (i) cores and (ii) temporal isolation windows while minimizing the MPSoC temperature. To achieve that, we propose and analyze three power models, and integrate them within several novel optimization approaches based on heuristics, a black-box optimizer, and Integer Linear Programming (ILP). We perform the experimental evaluation on three popular MPSoC platforms (NXP i.MX8QM MEK, NXP i.MX8QM Ixora, NVIDIA TX2) and observe a difference of up to 5.5{\deg}C among the tested methods (corresponding to a 22% reduction w.r.t. the ambient temperature). We also show that our method, integrating the empirical power model with the ILP, outperforms the other methods on all tested platforms.
• Abstract（参考訳）: MPSoC(Multi-Processor Systems-on-Chip)は、航空宇宙を含む多くの産業領域で必要とされる高い性能を実現する。 しかし、その高消費電力とアビオニクスの安全基準が組み合わさって、新たな熱管理の課題がもたらされる。 本稿では,アビオニクスで必要となる固定クロック周波数で動作する不均一MPSoC上での周期的タスクのオフライン熱認識手法について検討する。 目標はタスクの割り当てを見つけることです (i)コア、および (II)MPSoC温度を最小化しつつ、時間的隔離窓。 そこで我々は,3つのパワーモデルを提案し,それをヒューリスティックス,ブラックボックス最適化,インテガー線形プログラミング(ILP)に基づく新しい最適化手法に統合する。 我々は,3つのMPSoCプラットフォーム (NXP i.MX8QM MEK, NXP i.MX8QM Ixora, NVIDIA TX2) で実験を行い, 試験方法の最大5.5{\deg}Cの差を観測した。 また、実験的なパワーモデルとILPを統合することで、テスト対象のプラットフォーム上での他の手法よりも優れていることを示す。

関連論文リスト

• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• A Reinforcement Learning-Based Task Mapping Method to Improve the Reliability of Clustered Manycores [0.0]
  本稿では,マルチコアシステムの信頼性向上を目的とした強化学習(RL)に基づくタスクマッピング手法を提案する。 この方法は、binパッキング、Task-to-binマッピング、Task-to-coreマッピングを含む3つのステップから構成される。 提案手法の有効性をSPLASH2およびPARSECベンチマークスイートアプリケーションを用いて16,32,64コアシステムで評価した。
  論文  参考訳（メタデータ） (2024-12-26T20:08:10Z)
• Energy-Efficient Computation with DVFS using Deep Reinforcement Learning for Multi-Task Systems in Edge Computing [6.447135136911933]
  本研究は、強化学習に基づくDVFSを用いたマルチタスク、マルチデッドラインシナリオを備えた一般化システムについて研究する。 この方法は、Linuxカーネル内の時系列データを、強化学習に容易に解釈可能な情報に符号化する。 テスト結果から,Linuxの組込み知事と比較して3%～10%の省電力化が可能であった。
  論文  参考訳（メタデータ） (2024-09-28T18:44:39Z)
• Machine Learning-Assisted Thermoelectric Cooling for On-Demand Multi-Hotspot Thermal Management [12.515874333424929]
  熱電冷却器 (TEC) は、高度電子システムにおける局所ホットスポットの直接冷却とアクティブな熱管理のための有望なソリューションを提供する。 TECは空間冷却、暖房、電力消費に大きなトレードオフをもたらす。 本研究では,大域的最適温度を達成できる熱電冷却器の機械学習支援最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-20T18:35:45Z)
• Towards General and Efficient Online Tuning for Spark [55.30868031221838]
  本稿では,3つの問題を同時に処理できる汎用的で効率的なSparkチューニングフレームワークを提案する。 我々は、このフレームワークを独立したクラウドサービスとして実装し、Tencentのデータプラットフォームに適用しました。
  論文  参考訳（メタデータ） (2023-09-05T02:16:45Z)
• Edge-MoE: Memory-Efficient Multi-Task Vision Transformer Architecture with Task-level Sparsity via Mixture-of-Experts [60.1586169973792]
  M$3$ViTは、Mix-of-experts (MoE)を導入した最新のマルチタスクViTモデルである。 MoEは精度の向上と80%以上の削減計算を実現しているが、FPGAに効率的なデプロイを行う上での課題は残されている。 Edge-MoEと呼ばれる私たちの研究は、アーキテクチャの革新の集合を伴って、マルチタスクのViTのための最初のエンドツーエンドFPGAアクセラレータを導入するという課題を解決します。
  論文  参考訳（メタデータ） (2023-05-30T02:24:03Z)
• Maximize to Explore: One Objective Function Fusing Estimation, Planning, and Exploration [87.53543137162488]
  我々はtextttMEX というオンライン強化学習(オンラインRL)フレームワークを提案する。 textttMEXは、自動的に探索エクスプロイトのバランスをとりながら、見積もりと計画コンポーネントを統合する。 様々な MuJoCo 環境では,ベースラインを安定的なマージンで上回り,十分な報酬を得られる。
  論文  参考訳（メタデータ） (2023-05-29T17:25:26Z)
• A Makespan and Energy-Aware Scheduling Algorithm for Workflows under Reliability Constraint on a Multiprocessor Platform [11.427019313284]
  本稿では,所定の信頼性制約に対する等間隔とエネルギーを最小化するワークフロースケジューリングアルゴリズムを提案する。 私たちのアルゴリズムであるMERTとEAFTSは最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2022-12-19T07:03:04Z)
• Pruning Self-attentions into Convolutional Layers in Single Path [89.55361659622305]
  ビジョントランスフォーマー(ViT)は、様々なコンピュータビジョンタスクに対して印象的なパフォーマンスを実現している。 トレーニング済みのViTを効率よく自動圧縮するSPViT(Single-Path Vision Transformer pruning)を提案する。 われわれのSPViTはDeiT-Bで52.0%のFLOPをトリミングできる。
  論文  参考訳（メタデータ） (2021-11-23T11:35:54Z)

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。