[논문]머신러닝 기반 메모리 성능 개선 연구

조두산

doi:10.17703/jcct.2021.7.1.615

머신러닝 기반 메모리 성능 개선 연구
Study on Memory Performance Improvement based on Machine Learning 원문보기

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.7 no.1, 2021년, pp.615 - 619

초록
AI-Helper

이 연구는 사물인터넷, 클라우드 컴퓨팅 그리고 에지 컴퓨팅 등 많은 임베디드 시스템에서 성능 및 에너지 효율을 높이고자 최적화하는 메모리 시스템에 초점을 맞추어 그 성능 개선 기법을 제안한다. 제안하는 기법은 최근 많이 이용되고 있는 머신 러닝 알고리즘을 기반으로 메모리 시스템 성능을 도모한다. 머신 러닝 기법은 학습을 통하여 다양한 응용에 사용될 수 있는데, 메모리 시스템 성능 개선에서 사용되는 데이터의 분류 태스크에 적용될 수 있다. 정확도 높은 머신 러닝 기법 기반 데이터 분류는 데이터의 사용 패턴에 따라 데이터를 적절하게 배치할 수 있게 하여 전체 시스템 성능 개선을 도모할 수 있게 한다.

Abstract ▼ AI-Helper

This study focuses on memory systems that are optimized to increase performance and energy efficiency in many embedded systems such as IoT, cloud computing, and edge computing, and proposes a performance improvement technique. The proposed technique improves memory system performance based on machine learning algorithms that are widely used in many applications. The machine learning technique can be used for various applications through supervised learning, and can be applied to a data classification task used in improving memory system performance. Data classification based on highly accurate machine learning techniques enables data to be appropriately arranged according to data usage patterns, thereby improving overall system performance.

주제어

표/그림 (3)

그림 그림 1. 데이터 버스에서 데이터 병목현상 Figure 1. Data bottleneck problem on data bus
표 표 1. 관련 연구 분류 Table 1. Related work classification
그림 그림 2. 머신러닝 알고리즘 적용 Figure 2. Application of machine learning algorithm

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

메모리 시스템에서 성능 저하에 관련된 여러 요소들 이 있는데, 본 연구에서는 데이터 버스 상에서 발생하는 데이터 병목 현상을 해결하는 기법에 대하여 제안하고 있다. 여러 프로세싱 코어에서 요구되는 데이터들이 동시에 요구될 때 데이터 충돌을 방지하고자 우선 순위에 따라 데이터 전송 지연이 발생하고 이에 대기하는 프로세싱 코어가 생긴다.
이를 달성하기 위해서는 컴파일러 단에서 명령어의 시쿼스 최적화를 진행하는 방안이 있을 수 있고, 또 다른 방안은 머신 러닝의 활용하여 메 모리 시스템 상에 최적의 데이터 배치를 결정하는 방안 이 있다. 본 연구는 데이터 배치 최적화에 초점을 맞추 어 머신 러닝을 활용하는 기법을 제안하고 있다.
인터넷 연결망의 병목 문제는 하드웨어 자원 설계와 이를 뒷받침하는 소프트웨어 자 원 성능에 따라 해결 가능하지만 메인 보드의 데이터 버스 병목 현상은 메모리와 CPU사이의 데이터 사용 패 턴을 관찰하여 소프트웨어 측면에서 해결 가능한 부분 이 있다. 본 연구는 사물 인터넷 및 에지 컴퓨팅 시스 템에서 데이터 버스와 프로세싱 코어들 사이의 데이터 사용패턴을 관찰하고 이를 기반으로 스마트하게 병목 현상을 해결하여 전체 시스템 성능 및 에너지 효율에 개선을 유도하는데 목적이 있다. 이러한 목적을 달성하기 위해서는 먼저 일반 데이터 사용 패턴 정보를 데이 터베이스화하여 저장하고 이를 바탕으로 패턴을 획득 하여, 데이터 버스와 메모리 그리고 프로세싱 코어가 병목 현상을 발생하지 않도록 적절히 최적화하는 기술이 필요하다.
제안하는 패턴 추출기를 이용하면 프로세싱 코어의 데이터 사 용을 메모리 시스템의 계층에 적절히 분배하여 병목 현 상 해결을 유도할 수 있게 된다. 본 연구에서는 관련 연구에 대한 논의, 데이터 병목 현상 문제 검토, 그리고 머신 러닝 기반 메모리 시스템 성능 개선에 대한 논의 를 진행하겠다.
소프트웨 어는 일정 크기 이상의 데이터 이동이 발생하는 경우 데이터 손실을 방지하기 위하여 이를 해결하는 루틴을 포함하게된다. 본 연구에서는 데이터 병목 현상 문제를 해결하는 루틴으로 머신 러닝 기반 프로시저를 검토하였다.
이러한 지연 시간에 따라 전체 태스크의 완료 시점이 지연되기 때문에 전체 시스템 성능이 저하된다. 우리는 이러한 문제를 해결하고자 머 신 러닝 기반 데이터 배치 최적화를 수행하여 데이터 전송 지연을 최소화하는 방안을 제안하였다.
이러한 처리를 위하여 메모리 제어기가 액세스 인터리빙을 지원하는 경우 도 있으나 아닌 경우 데이터 배치와 요청을 프로그램 명령어 레벨에서 최적화하는 것도 가능하다. 이러한 일 련의 최적화를 머신러닝 기반으로 진행하도록 하는 것이 본 연구의 초점이다.
이러한 목적을 달성하기 위해서는 먼저 일반 데이터 사용 패턴 정보를 데이 터베이스화하여 저장하고 이를 바탕으로 패턴을 획득 하여, 데이터 버스와 메모리 그리고 프로세싱 코어가 병목 현상을 발생하지 않도록 적절히 최적화하는 기술이 필요하다. 이를 달성하기 위해서 우리는 최신의 머 신러닝 기반 데이터 패턴 추출기를 연구하였다. 제안하는 패턴 추출기를 이용하면 프로세싱 코어의 데이터 사 용을 메모리 시스템의 계층에 적절히 분배하여 병목 현 상 해결을 유도할 수 있게 된다.

제안 방법

그리고 생성된 예 측함수 (혹은 가설함수 hypothesis function) 구성이 중요한 부분이다. 모델링되어 생성된 분류 함수를 이용하여 데이터 사용 분류를 수행하고 실제 데이터 사용 패 턴과 비교하여 분류기의 정확도를 계산한다. 이때 분류 결과가 예상과 다르다면 보다 다양한 학습 데이터 세트 를 준비하여 학습량을 늘리고 정확도를 개선하는 작업을 반복한다.
하이브리드 메모리는 고가 의 고성능 메모리 일부와 저가의 중성능 메모리 일부를 혼합하여 전체적으로 고성능을 제공할 수 있게 설계하는 방식을 일컫는다. 본 연구에서는 기존의 연구와는 다르게 저가의 중성능 메모리 시스템 플랫폼을 기반으로 고성능을 제공할 수 있도록 소프트웨어 최적화에 초 점을 맞추고 있다. 이를 달성하기 위해서는 컴파일러 단에서 명령어의 시쿼스 최적화를 진행하는 방안이 있을 수 있고, 또 다른 방안은 머신 러닝의 활용하여 메 모리 시스템 상에 최적의 데이터 배치를 결정하는 방안 이 있다.

이론/모형

본 연구의 핵심이 되는 데이터 사용 패턴 분류기의 핵심은 머신러닝이 알고리즘으로 구성된다. 본 연구에서는 머신러닝 알고리즘으로 구글의 텐서플로우를 선택한다. 오픈소스로 최신의 머신러닝 알고리즘을 대부분 탑재하고 있기 때문이다.
본 연구의 핵심이 되는 데이터 사용 패턴 분류기의 핵심은 머신러닝이 알고리즘으로 구성된다. 본 연구에서는 머신러닝 알고리즘으로 구글의 텐서플로우를 선택한다.

성능/효과

이를 달성하기 위해서 우리는 최신의 머 신러닝 기반 데이터 패턴 추출기를 연구하였다. 제안하는 패턴 추출기를 이용하면 프로세싱 코어의 데이터 사 용을 메모리 시스템의 계층에 적절히 분배하여 병목 현 상 해결을 유도할 수 있게 된다. 본 연구에서는 관련 연구에 대한 논의, 데이터 병목 현상 문제 검토, 그리고 머신 러닝 기반 메모리 시스템 성능 개선에 대한 논의 를 진행하겠다.

후속연구

선형 회귀 분석 이외에 가중 선형 회귀 분석 (weighted linear regression), 순환 신경망 (recurrent neural network : long short term memory), 주성분분석 (principal component analysis)을 이용할 수 있다. 다른 기법과의 혼합 응용은 향후 연구로 진행 할 계획이다.
메모리 관련 연구는 지난 반세기 동안 지속적으로 수행되어 왔다. 따라서 다양한 종류의 연구들이 진행되어 왔으며, 본 연구에서 기술하고 있는 머신 러닝 관련 메모리 연구에 대해서 살펴볼 필요가 있다. 메디컬 시 스템에서 메모리 [1]는 사람의 건강 및 안전과 직결되 기 때문에 신속 정확한 설계를 요구한다.
현재 메모리 시스템 기술 연구 분야는 집적도가 깊어짐에 따라 증가하는 누설 전류 문제, 저전력 수요, 지연시간 증가에 따라 많은 연구가 진행되고 있으나, 다양한 응용에서 요구되는 다양한 요구에 맞추지 못하고 있는 실정이다. 본 연구는 다양한 응용에 요구되는 일반적인 메모리 시스템 최적화 기술로 사용될 수 있을 것으로 기대한다.

참고문헌 (7)

J. Cho, J. Lee, D. Cho, "Efficient memory design for medical database," Basic & Clinical Pharmacology & Toxicology, 125, pp. 198, 2019.
J Cho, D Cho, "Development of a Prototyping Tool for New Memory Subsystem," International Journal of Internet, Broadcasting and Communication, 11 (1), pp. 69-74, 2019. https://doi.org/10.7236/IJIBC.2019.11.1.69

원문보기 상세보기
J Cho, D. Cho, Y Kim, "Study on LLVM application in Parallel Computing System," The Journal of the Convergence on Culture Technology (JCCT), 5 (1), pp. 395-399, 2019. http://dx.doi.org/10.17703/JCCT.2019.5.1.395

원문보기 상세보기
D Cho, "Technology of the next generation low power memory system," International Journal of Internet, Broadcasting and Communication, 10 (4), pp. 6-11, 2018. http://dx.doi.org/10.7236/IJIBC.2018.10.4.6

원문보기 상세보기
J Youn, D Cho, "A spill data aware memory assignment technique for improving power consumption of multimedia memory systems," Multimedia Tools and Applications, 78 (5), pp. 5463-5478, 2019. https://doi.org/10.1007/s11042-018-6783-x

상세보기
J Cho, JM Youn, D Cho, "An Automatic Array Distribution Technique for Multi-Bank Memory of High Performance IoT Systems," World, 3 (1), pp. 15-20, 2019. http://dx.doi.org/10.21742/wjwde.2019.3.1.03
D Cho, "A Data Management Technique of Hybrid Memory Systems for Energy Aware Flight Control Computing," International Journal of Applied Engineering Research, 13 (6), pp. 3610-3618, 2018.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증