論文の概要: Interferences within a certifiable design methodology for high-performance multi-core platforms
- arxiv url: http://arxiv.org/abs/2604.09559v1
- Date: Wed, 11 Feb 2026 10:59:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-26 13:58:29.519148
- Title: Interferences within a certifiable design methodology for high-performance multi-core platforms
- Title（参考訳）: 高性能マルチコアプラットフォームのための認証設計手法における干渉
- Authors: Mohamed Amine Khelassi, Felix Suchert, Abderaouf Amalou, Benjamin Lesage, Anika Christmann, Robin Hapka, Jeronimo Castrillon, Mihail Asavoae, Mathieu Jan, Claire Pagetti, Selma Saidi,
- Abstract要約: 異なる抽象化レベルで運用するいくつかのツールをまとめる方法論を提案する。
提案手法の目的は,メモリ干渉を低減し,システムの予測可能性を向上させることにより,安全クリティカル領域におけるマルチコアシステムの認証プロセスを緩和することである。
- 参考スコア（独自算出の注目度）: 0.030549166519595692
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The adoption of high-performance multi-core platforms in avionics and automotive systems introduces significant challenges in ensuring predictable execution, primarily due to shared resource interferences. Many existing approaches study interference from a single angle-for example, through hardware-level analysis or by monitoring software execution. However, no single abstraction level is sufficient on its own. Hardware behavior, program structure, and system configuration all interact, and a complete view is needed to understand where interferences come from and how to reduce them. In this paper, we present a methodology that brings together several tools that operate at different abstraction levels. At the lowest level, PHYLOG provides a formal model of the hardware and identifies possible interference channels using micro-architectural transactions. At the program level, machine learning analysis locates the exact parts of the code that are most sensitive to shared-resource contention. At the compilation level, MLIR-based transformations use this information to reshape memory access patterns and reduce pressure on shared resources. Finally, at the system level, Linux cgroups enforce static execution constraints to prevent highly interfering tasks from running together. The goal of our approach is to reduce memory interference and improve the system's predictability, thereby easing the certification process of multi-core systems in safety-critical domains.
- Abstract（参考訳）: アビオニクスや自動車システムにおける高性能マルチコアプラットフォームの導入は、主にリソースの干渉が原因で、予測可能な実行を保証する上で大きな課題をもたらす。
既存のアプローチの多くは、ハードウェアレベルの分析やソフトウェア実行の監視を通じて、1つの角度からの干渉を研究する。
しかし、抽象化レベルだけでは不十分である。
ハードウェアの動作、プログラム構造、システム構成はすべて相互作用し、干渉がどこから来たのか、どのようにそれらを減らすのかを理解するために、完全なビューが必要である。
本稿では,異なる抽象化レベルで動作する複数のツールをまとめる方法論を提案する。
最低レベルでは、PHYLOGはハードウェアの形式モデルを提供し、マイクロアーキテクチャトランザクションを使用して干渉チャネルを識別する。
プログラムレベルでは、機械学習分析は、共有リソース競合に最も敏感なコードの正確な部分を特定する。
コンパイルレベルでは、MLIRベースの変換はこの情報を使ってメモリアクセスパターンを再構築し、共有リソースの圧力を低減します。
最後に、システムレベルでは、Linux cgroupsは静的な実行制限を強制し、高度に干渉するタスクが一緒に実行されるのを防ぐ。
提案手法の目的は,メモリ干渉を低減し,システムの予測可能性を向上させることにより,安全クリティカル領域におけるマルチコアシステムの認証プロセスを緩和することである。
関連論文リスト
- Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。
複数の多様な実装設計を生成することで、線形パッチから切り離される。
NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
論文 参考訳（メタデータ） (2026-03-02T12:50:40Z) - Unveiling Zero-Space Detection: A Novel Framework for Autonomous Ransomware Identification in High-Velocity Environments [0.0]
提案したZero-Space Detectionフレームワークは、教師なしクラスタリングと高度なディープラーニング技術により、潜時行動パターンを識別する。
高速度環境では多相フィルタリングとアンサンブル学習を統合して効率的な意思決定を行う。
実験的評価では、LockBit、Conti、Revil、BlackMatterなど、さまざまなランサムウェアファミリー間で高い検出率を示している。
論文 参考訳（メタデータ） (2025-01-22T11:41:44Z) - Multimodal Instruction Disassembly with Covariate Shift Adaptation and Real-time Implementation [3.70729078195191]
我々は、ターゲットデバイスから電力とEMを同時に収集できる新しい小型プラットフォーム、RASCv3を導入する。
我々は情報理論を用いてパワーとEMトレースから特徴を組み合わせ、選択するための新しいアプローチを考案した。
オフラインおよびリアルタイムの命令分解器の認識率は、単一および複数モードの場合と比較する。
論文 参考訳（メタデータ） (2024-12-10T17:00:23Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z) - Monitoring and Diagnosability of Perception Systems [21.25149064251918]
本稿では,認識システムにおける実行時モニタリングと故障検出と識別のための数学的モデルを提案する。
本稿では,LGSVL自動運転シミュレータとApollo Auto自動運転ソフトウェアスタックを用いた実写シミュレーションにおいて,PerSySと呼ばれるモニタリングシステムを実演する。
論文 参考訳（メタデータ） (2020-11-11T23:03:14Z) - Frequency-based Multi Task learning With Attention Mechanism for Fault
Detection In Power Systems [6.4332733596587115]
本稿では,障害検出のための新しいディープラーニングベースのアプローチを導入し,実際のデータセット,すなわち部分放電検出タスクのためのKaggleプラットフォーム上でテストする。
提案手法では,時系列の特徴を抽出するためのアテンション機構を備えたLong-Short Term Memoryアーキテクチャを採用し,信号の周波数情報を利用した1D-Convolutional Neural Network構造を用いて予測を行う。
論文 参考訳（メタデータ） (2020-09-15T02:01:47Z) - Multi-scale Interactive Network for Salient Object Detection [91.43066633305662]
本稿では,隣接レベルからの機能を統合するためのアグリゲート・インタラクション・モジュールを提案する。
より効率的なマルチスケール機能を得るために、各デコーダユニットに自己相互作用モジュールを埋め込む。
5つのベンチマークデータセットによる実験結果から,提案手法は後処理を一切行わず,23の最先端手法に対して良好に動作することが示された。
論文 参考訳（メタデータ） (2020-07-17T15:41:37Z) - Interface learning of multiphysics and multiscale systems [0.0]
学習パラダイムを導入し,メモリ埋め込みに基づくデータ駆動型インタフェースアプローチを導入し,インターフェースにおける物理的に正確な境界条件を提供する。
我々は,新しい機械学習プラットフォームにおける処理ユニット間の通信コストを,エクサスケール時代に向けて削減する手法によって,高性能なコンピューティング環境が恩恵を受けることを強調した。
論文 参考訳（メタデータ） (2020-06-17T19:23:33Z)
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。