 Исследователи Ланкастерского университета вступают в гонку со временем, чтобы найти эффективные решения для быстро развивающейся эпохи «темного кремния». Скоро люди станут жить в эпоху, когда, возможно, более 80 процентов транзисторов в компьютерных процессорах должны быть выключены и оставаться «темными» в любое время, чтобы предотвратить чип от перегрева.
Оборудование быстро развивается, чтобы предотвратить эту необходимость выключения питания транзисторов и придумывать инновационные решения. Но эти улучшения на аппаратном уровне приносят с собой сложности для компиляторов. Если не найти пути оказания помощи компиляторов, чтобы те могли идти в ногу с этими аппаратными изменениями, то они больше не будут иметь возможность эффективно переводить язык программирования высокого уровня или исходный код, используемый программным обеспечением, в машинный код, который компьютерная аппаратура понимает.
До тех пор, пока проблема не будет решена, индустрия программного обеспечения будет застаиваться; программное обеспечение больше не будет иметь возможность эффективно взаимодействовать с оборудованием и усилия решить проблему темного силикона будут бесполезными.
Благодаря гранту в £98000 от исследовательского совет инженерно-физических наук, исследователи Ланкастерского университета в настоящее время работают над новыми «умными» компиляторами, которые используют машинное обучение для самообразования и поиска более эффективных способов работы в качестве посредника между программным обеспечением и аппаратным оборудованием.
Разработчики борются над тем, чтобы справиться резким увеличением аппаратной сложности, и текущие инструменты просто не являются адекватными для этой задачи. Если не решить эти проблемы, то впервые за последнее десятилетие прогресс в промышленности программного обеспечения будет застаиваться.
Данный проект призван обеспечить новые методы на уровне компилятора с использованием машинного обучения. Традиционные подходы компилятора, которые полагаются на людей-экспертов, требуют много лет на построение эффективного компилятора, и больше не представляется возможными. Новая, возникающая сложная архитектура аппаратных средств означает, что потребуется гораздо больше времени, чтобы построить достойный компилятор.
Впервые, машинное обучение будет жить в среде приложений, узнавая, как оптимизировать программы для отдельных вычислительных устройств. Новая интеллектуальная система компиляции будет приобретать знания каждый раз, когда программа будет скомпилирована и запущена, и использовать знания, чтобы узнать, как оптимизировать программы для каждой аппаратной платформы и для каждого пользователя. Чем больше эта система познает, тем больше она знает, что, где и как работает. Со временем программы будут работать быстрее, а вся вычислительная система станет более энергоэффективной.
|
