پیش‌بینی برخط دما در فازهای مختلف دمایی برای سیستم‌های چندهسته‌ای

Abstract

افزایش تعداد هسته‌ها برای افزودن توان محاسباتی پردازنده‌ها، منجر به افزایش دما در سیستم‌های چندهسته‌ای می‌گردد. لذا مدیریت دما در این پردازنده‌ها از اهمیت بالایی برخوردار است. مدیریت دما با رویکرد فعال، از یک مدل دمایی، برای پیش‌بینی دما پیش از رسیدن به دمای حدآستانه استفاده می‌کند. در این مقاله ویژگی‌های لازم برای پیش‌بینی دما با استفاده از ابزارهای اندازه‌گیری سیستم خوانده شده و از آن‌ها ویژگی‌های سابقه‌ای و کنترلی با استفاده از پردازش‌های پیشنهادی ایجاد شده‌اند. یک مدل دمایی برخط مبتنی بر چند فاز دمایی و برای هر فاز یک شبکه عصبی برای پیش‌بینی دما پیشنهاد شده است. فازهای مختلف دمایی با توجه به پارامترهای مؤثر بر دمای پردازنده با استفاده از شبکهٔ نظریه تشدید انطباقی شناسایی شده‌اند. برای هر یک از شبکه‌های عصبی، حداقل تعداد ویژگی‌های مناسب برای پیش‌بینی در فاز دمایی مربوطه، بر پایهٔ اطلاعات متقابل بین ویژگی‌ها انتخاب شده است. مدل دمایی پیشنهادی قادر است در زمان اجرا، در صورت برخورد با فاز دمایی جدید، آن را به مجموعهٔ فازها اضافه کرده و شبکه عصبی مناسب برای آن را ایجاد کند. نتایج نشان می‌دهد در مدل دمایی پیشنهادی میانگین قدرمطلق خطا برای فاصله‌های زمانی مختلف کمتر از 1 درجه سانتی‌گراد است.