초록 ▼

□ 연구개요
멀티코어 마이크로프로세서 + 매니코어 가속칩을 기본 노드 아키텍쳐로 하는 최신의 이기종 초고성능 컴퓨터는 높은 최대 성능(peak performance)에 비해 상대적으로 활용율(utilization)이 상당히 낮다. 이러한 낮은 utilization의 원인은 주 계산엔진 역할을 수행하는 매니코어 가속칩(예 : GPU, Intel KNL, 등)의 성능을 충분히 활용하지 못하기 때문인데, 빠른 속도로 구조가 변화하는 가속칩을 타겟으로 사용자의 수준에서 성능 최적화를 수행하는 것이 점점 어려워지는 것이 현실이다. 본

□ 연구개요
멀티코어 마이크로프로세서 + 매니코어 가속칩을 기본 노드 아키텍쳐로 하는 최신의 이기종 초고성능 컴퓨터는 높은 최대 성능(peak performance)에 비해 상대적으로 활용율(utilization)이 상당히 낮다. 이러한 낮은 utilization의 원인은 주 계산엔진 역할을 수행하는 매니코어 가속칩(예 : GPU, Intel KNL, 등)의 성능을 충분히 활용하지 못하기 때문인데, 빠른 속도로 구조가 변화하는 가속칩을 타겟으로 사용자의 수준에서 성능 최적화를 수행하는 것이 점점 어려워지는 것이 현실이다. 본 연구에서는 사용자 수준에서 타겟 응용 프로그램에 적용 가능한 성능 최적화 프레임워크를 개발한다. 프레임워크는 기존 연구의 exhaustive search 방식에서 벗어나 최적화에 필요한 여러 단계들을 순차적으로 적용하여 (근접) 최적의 성능을 구하도록 한다.

□ 연구 목표대비 연구결과
● 아키텍쳐 및 프로그램 모델 개발
- 타겟 가속칩의 아키텍쳐 모델을 사용자의 관점에서 고 수준으로 모델링하고 주요 아키텍쳐 parameter들을 활용한 수식들의 형태로 도출함
- 타겟 응용 프로그램의 부분들 중 가속칩 상에서 병렬 실행을 할 부분들의 특성을 수식으로 모델링
- 이러한 모델을 마이크로 벤치마크 수준의 응용 프로그램에 적용하여 정확성 및 효능을 검증함
● 성능 최적화 방법론 개발 및 평가
- 도출한 아키텍쳐 및 프로그램 모델을 활용하여 성능 최적화 방법론을 도출
- 방법론에서는 생성할 소프트웨어 블록의 개수, 블록 당 스레드의 개수, 스레드당 처리할 데이터의 양, 등. 여기에 더하여 응용의 특성을 고려한 최적화 기법들을 함께 적용
- KMP 알고리즘 및 딥 컨볼루션 신경망의 성능 최적화 연구도 수행

□ 연구개발결과의 중요성
매니코어 가속칩 기반의 이기종 구조를 갖는 슈퍼컴퓨터들의 복잡한 가속기 구조 등으로 인하여 높은 최고 성능에 비해 실측 성능은 상당히 낮은 것이 일반적이다. 성능 최적화 작업을 자동으로 수행하는 도구의 개발이 최근 관심 있게 연구되고 있으나, 현재의 자동 최적화 작업은 컴파일러의 코드 생성기 모듈과 연동하여 적용 가능한 성능향상을 위한 여러 컴파일러 변환 기법들을 순차적으로 대입하여 코드를 생성하고 실제로 수행하여 성능을 측정하는 방식을 반복하는 방식으로서 사실상 탐구 가능한 공간(컴파일러 변환 기법들의 모든 조합)을 철저하게 탐색하는 기법인데, 최적화 방법을 찾아내는데 시간이 많이 소요되므로 그 실용성이 떨어진다고 할 수 있다. 따라서,사용자 수준에서 일반 HPC 응용 프로그램에 적용 가능하면서 빠른 시간 안에 성능 최적화 작업을 수행할 수 있는 프레임 워크의 개발은 소프트웨어 개발자들의 생산성을 크게 높여줄 수 있고 하드웨어 요구량을 크게 줄일 수 있음으로써 아주 중요한 연구이며,그 결과는 국제적으로도 크게 주목을 받을 수 있다.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구수행내용 및 연구결과 ... 5
• 2.1 아키텍쳐 및 프로그램 모델의 개발 ... 5
• 2.2 성능 최적화 연구 수행 ... 8
• 3. 연구개발결과의 중요성 ... 14
• 4. 참고문헌 ... 14
• 5. 연구성과 ... 16
• 끝페이지 ... 18