Michał NawrockiEit gjennombrotsteknologi er utvikla for å takle temperaturutfordringane som fleirekjernersbrikker som kjøyrer fleire kjerneprosessorar står overfor. Den innovative interne varmeprognose- og kontrollteknologien, leia av førsteamanuensis Chen Kunzhi og forskarteamet hans ved det taiwanske nasjonale Yang Ming Chiao Tung-universitetet, har signifikant forbetra kjøleytelsen til fleirekjernersbrikker.
Auka tal på prosessorkjerner i fleirekjernersbrikker har ført til utfordringar i dei interne tilkoplingane, og har gjort nettverket på brikka (NoC)-strukturen til eit populært tema. Dei høgare klokkefrekvensane til prosesseringskjernene har òg ført til auka effekttetthet og alvorlege temperaturutfordringar, som påverkar operasjonell effektivitet og pålitelegheit til brikkene.
Førsteamanuensis Chen Kunzhi og Ceres Lab-forskarteamet har introdusert ein lågkostnads online læringmekanisme for nøyaktig temperaturprognose for på-brikkje-nettverk. Ved å bruke adaptiv forsterkande læringsteknologi, har dynamisk førehandssystem for temperaturkontroll blitt implementert for å betre temperaturutfordringane til fleirekjernersbrikker, og har signifikant forbetra systemets temperaturkontroll-effektivitet.
Dette innovative forskingsframsteget, anerkjent med 2024 IEEE Transactions on Very Large Scale Integration (TVLSI) Best Paper Award, markerer ein betydeleg milepæl for Taiwan. Den dynamiske førehandssystemet for temperaturkontroll justerer systemtemperaturen dynamisk i forkant basert på varmeprognoseinformasjon, noko som reduserer ytelsesimpakt under temperaturkontroll samanlikna med tradisjonelle reaktive termiske kontrollmetodar.
Ved å optimalisere temperaturprognosane ved å bruke minste kvadra-tabelladaptiltreringsteori, forbetrar forskarteamets maskinlæringsbaserte førehandssystem for temperaturkontroll nøyaktigheita for å handtere varierande arbeidsmengder og temperaturendringar. Integreringa av adaptiv forsterkande læring tillèt sanntidsjustering av kvelningsforholda basert på noverande temperatur, prognosert temperatur og systemgjennomstrøyming, noko som maksimerar varmehåndteringseffektiviteten og ytelsen og minimerer temperaturprognosefeil.
Dette banebrytande forskingsarbeidet sikrar ikkje berre den prestisjetunge IEEE TVLSI Best Paper Award for i år, men markerer òg første gong på 30 år at eit taiwansk team har fått denne utmerkinga. Det anerkjenner ikkje berre det framifrå bidraget frå forskarteamet, men fremhevar også universitetet si framifråheit innan forsking og framtidstenking om teknologisk utviklingsarbeid.
