שיטות מודלים פונקציונליים עבור מערכות מחשוב ביצועים גבוהים

מבוא למודל פונקציונלי במחשוב גבוה

מחשוב ביצועים גבוהים (HPC) מערכות פורצות דרך כוח במחקרי אקלים, גילוי סמים, ניתוח סיכונים פיננסי ואינטליגנציה מלאכותית.כדי לתכנן מערכות המספקות מקסימום דרך חישוב ויעילות, מהנדסים מסתמכים על טכניקות מודלים פונקציונליים אשר מבטלים את פרטי החומרה ומתמקדים במה שהמערכת עושה - זרימת הנתונים, רצף התפעולי, וההקצאת המשאבים פונקציונליים מספקת מדפסת כחולה לביצועים לפני שכל חומרה פיזית היא מאפשרת זיהוי מוקדם של בקבוקים וגילויים של עלויות יעילות.

במדריך מורחב זה, אנו חוקרים את טכניקות הדוגמנות התפקודיות החשובות ביותר המשמשות בפיתוח מערכת HPC, להשוות את נקודות הכוח שלהם, לדון ביישומים מעשיים, ולבחון מגמות מתפתחות המבטיחות לעצב מחדש את האופן שבו אנו מעצבים מערכות ביצועים גבוהים.

מה הן שיטות מודלים פונקציונליים?

טכניקות מודלים פונקציונליים הן שיטות לייצג את הפעולות, התהליכים, ושינויים בנתונים בתוך מערכת מחשוב.בניגוד למודלים מבניים המתמקדים ברכיבי חומרה (CPUs, זיכרון, חיבורים), מודלים פונקציונליים מתארים התנהגות במערכת ברמה גבוהה יותר של מופשטות.הם לענות על שאלות כגון: כיצד נתונים לזרום מפלט לתפוקה? אילו פונקציות מבוצעות במקביל?

מודל פונקציונלי מאורגן היטב מאפשר למהנדסים להעריך חלופות עיצוב, חיזוי קנה מידה, לזהות צווארי בקבוק ביצועים מוקדם במחזור הפיתוח. כמו מערכות HPC לגדול מורכב יותר - עם מעבדים heterogeneous, היררכיות זיכרון עמוק, ורשתות קישור מורכבות - מודלים פונקציונליים הפך כלי חיוני ערכת הכלים של המערכת.

טכניקות מודלים פונקציונליים עבור HPC

מספר טכניקות מודלים פונקציונליים הוכיחו יעילות במיוחד עבור מערכות מחשוב ביצועים גבוהים.כל טכניקה מציעה נקודות מבט ייחודיות על התנהגות המערכת והוא מתאים למטרות ניתוח שונות.

1. Data Flow Modeling

זרימת נתונים מתמקדת בתנועת הנתונים באמצעות המערכת - החל מהקלט הראשוני באמצעות שלבים עיבוד לתפוקה הסופית. בהקשר HPC, מודלים זרימת נתונים לעקוב אחר האופן שבו נתונים חוצים צמתים, שכבות זיכרון וקישורים ברשת.מודלים אלה מסייעים לזהות צווארי בקבוק כגון רוחב פס לא מספיק, שקיפות גבוהה, או מיקום נתונים לא יעיל.

(FLT:0) איך זה עובד: FLT:1 מודלים זרימת נתונים מייצגים פעולות כמו צמתים ונתיבי נתונים כמו הקצוות מכוונים.כל אחד לאד מבצע חישוב ומייצר נתונים תפוקה הנצרכים על ידי צמתים במורד הזרם.מהנדסים יכולים להקצות משקולות (למשל, גודל נתונים, זמן ביצוע) כדי לחוד החנית של ביצועים.

(FLT:0) שכפול ב-HPC:FLT:1 סימולציות בקנה מידה גדול בדינמיקה נוזלי חישובי או דינמיקות מולקולרית מסתמכות על מודלים זרימת נתונים כדי להתאים את דפוסי הקידוד והתקשורת של התחום.

(ב) ⁇ :0) ⁇ : ⁇ אינטואיטיבית של תלות בנתונים; יעיל לזיהוי אזורים מקבילים.FLT:2 Weaknesses:BuildFLT 3: 3 יכול להיות מורכב עבור מערכות עם נתיבי נתונים דינמיים ודפוסי תקשורת לא סדירים.

2.התגובות הפונקציונליות

קידוד פונקציונלי שובר תפקוד מערכת ברמה גבוהה לתוך היררכיה של פונקציות קטנות יותר, יותר לניהול.כל תת-תפקוד מייצג משימה מסוימת (למשל, מברק רב-הכפלה, FFT, I / O) על ידי בידוד פונקציות בודדות, מהנדסים יכולים לנתח את המאפיינים ביצועים באופן עצמאי ולאחר מכן להלחין את מודל המערכת המלא.

(FLT:0) איך זה עובד: FLT:1 גישה למעלה: להתחיל עם המטרה הכוללת של המערכת (למשל, "סימולציה מזג אוויר") ו לחלק אותו מחדש לתוך תת-תפקודים עד שכל אחד מהם פשוט מספיק לנתח או לדמות.כל תת-תפקוד יכול להיות מוקצה פרמטרים ביצועים כגון זמן ביצוע, שימוש בזיכרון, ונתוני תלות.

(ב) ⁇ :0) שכפול ב-HPC:FLTRE 1 (Decomposition) הוא יסוד בתכנון אלגוריתם מקבילים - ספריית FLT:2ScaLAPACK LibraryFLT 3 משתמשת בהגדרה פונקציונלית כדי להפיץ פעולות אלגברה ליניאריות על פני מערכות זיכרון מבוזרות.

(ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

3.מודל מבוסס סימבול

מודלים מבוססי סימבול משתמשת בתוכנה כדי לחקות את ההתנהגות של מערכת תחת עומסי עבודה מוגדרים.ב-HPC, סימולציות נעות ממודלים CPU מחזוריים לסימולטורים ברמה גבוהה של דיסקרטי-אפילוט אשר מודל תעבורת רשת דפוסים גישה זיכרון.

(FLT:0) איך זה עובד:FLT:1 (המודל יוצר ייצוג של רכיבי התפקוד של המערכת (למשל, מעבדים, אוטובוסים זיכרון, מתגי רשת) ומזין אותו מעקב עומס עבודה או גנרטור תנועה סינתטי.הסימולציה מבצעת אירועים בזמן, הקלטה של מדדים כמו זמן ביצוע, באמצעות חישוב, ניצול משאבים.

(ב) ⁇ :0) ⁇ (ב) ,ב"ד): "הדיוק הגבוה ביותר האפשרי עם מודלים מפורטים; מאפשר ניתוח "מה אם" (FLT:2 Weaknesses:03) יקר ערך; סימולציות יכולות להיות איטיות עבור מערכות גדולות; מודלים חייבים להיות מאומתים נגד חומרה אמיתית.

פטרי נטס

רשתות פטרי הן פורמליזם מתמטי לחיקוי של מערכות מקבילות, מסונכרניות ומופצות.הם מורכבים ממקומות (מדינות מייצגות או משאבים), מעברים (ייצוג אירועים או פעולות), ו אסימונים (ייצוג תהליכים פעילים או פריטי נתונים). רשתות פטרי מתאימים במיוחד עבור מודלים של תוכן משאבים וסינכרון במערכות HPC.

(FLT:0) איך זה עובד: FLT:1 A פטרי הוא גרף דו-פרטיטי מכוון.כאשר מעבר שריפות, הוא צור אסימוני ממיקומים קלט ומייצר אסימוניות במקומות פלט, מודל של זרימת השליטה או הנתונים.צבעים רשתות פטרוי מרחיבים זאת על ידי מתן רישיונות לשאת ערכי נתונים, ומאפשר מודלים אקספרסיביים יותר.

(FLT:0)שכפול ב-HPC:FLT1 משמש מודל תרחישים של תרחישים של כרומוזום מת במתקני MPI, לנתח איזון עומס בקווים מבוזרים, ולאמת מבני נתונים ללא מנעול.

[ה]העיקרון [ה]: [ה] [ה] [ה]] [ה]] [ה]]] [ה]]]] [ה]]]] [הההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההה

שפה מודלנית (UML)

UML מספק סט סטנדרטי של ניכויים דיאגרמות עבור לציין, הדמיה, ותיעוד מערכות תוכנה. בעוד תוכנן במקור עבור תוכנה ארגונית, UML משמש יותר ויותר ב-HPC כדי מודל ארכיטקטורת מערכת, אינטראקציות רכיב ופריסה.

(FLT:0) איך זה עובד: ⁇ UML 1 רלוונטי מודלים פונקציונליים כוללים דיאגרמות מקרה שימוש (תפקודי מערכת מנקודת מבט משתמשים), דיאגרמות פעילות (זרימות עבודה ופעולות מקבילות), דיאגרמות רצף (פעולות לאורך זמן), ואגרמות פריסה (מיפוי משאבים פיזי).

(FLT:0)שכפול ב-HPC:FLT:1 ⁇ פעילות UML יכול לייצג גרפים משימה מקבילה ואמינות נתונים. דיאגרמות של Sequence עוזר דפוסים תקשורת מודלים בתוכניות MPI.חלק מקבוצות המחקר להרחיב פרופילים UML עם סטריאוטיפים ספציפיים HPC עבור מודל ביצועים.

(ב) ⁇ :0) ⁇ (הידועות) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

6.הביצועים מתכננים עם קווידמה

קווידמה של רשתות מודל מערכת כמערך מרכזי שירות (למשל, CPUs, דיסקים, קישורים לרשת) ו תורים שבהם מקומות עבודה מחכים לשירות.טכניקה זו מבוססת היטב לתכנון יכולת ולערכת ביצועים של מערכות מחשוב, כולל HPC.

(FLT:0) איך זה עובד: FLT:1 ג 'ובס מגיע, לחצות רשת של מרכזי שירות, ולצאת.כל מרכז שירות יש חלוקת זמן שירות ומשמעת תזמון (FIFO, עדיפות) המודל צופה מדדים כמו זמן תגובה, דרך לוח, ניצול תחת שיעורי ההגעה.

(FLT:0) שכפול ב-HPC:FLT:1 מודלים של Queueing משמשים לגודל של נאספים HPC, לחזות זמני תפנית בעבודה ואופטימיזציה של מדיניות תזמון.

Machine Learning-Augmented Functional Modeling

גישה מתפתחת משתמשת בלמידה של מכונה (ML) כדי ללמוד מודלים פונקציונליים מהתנהגות מערכת צפה.במקום לבנות מודלים מתמטיים או גרף מפורשים, מודלים ML (למשל, רשתות עצביות, עצי החלטות, תהליכים גאוסיים) מאומן על נתוני ביצועים כדי לחזות תוצאות.

(FLT:0) כיצד זה עובד: איורים של ביצועים היסטוריים 1 (FLT:1) משמשים כנתוני אימון.מודל ML לומד את המיפוי בין תכונות קלט (פרמטרים של עומס עבודה, תצורה חומרה) ומדדי ביצועים (זמן, צריכת חשמל) המודל המתקבל ניתן לקשור לתרחישים חדשים.

(FLT:0) שכפול ב-HPC:FLTRE:1 , מודלים פונדקאית מבוססי ML יכולים להחליף סימולציות יקרות במהלך חקר החלל עיצובי.חברות כמו FLT:2NVIDIAIRLT 3 להשתמש ברשתות עצביות כדי מודל ביצועי GPU עבור תזמון אוטומטי.

(ב) ⁇ :0) ⁇ (ב"ה) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

השוואת גישות מודלים פונקציונליים

בחירת טכניקת מודלים פונקציונליים נכונה תלויה מטרות הניתוח, בגרות של עיצוב המערכת, ומשאבים זמינים.ההשוואה הבאה מדגישה הבדלים מרכזיים:

(FLT:0) רמת החדירה:0) שטף נתונים ורשתות תורים מציעים אבסטרקציה בינונית; פטרי רשתות וסימולציה הם ברמה נמוכה יותר; UML הוא ממוקד משתמשים.
מהירות אנליזה:0 (אנאליזה: 1) רשתות קוויות ופירוק פונקציונלי הם מהירים; סימולציה ורשתות פטרי איטיות יותר; מודלים המבוססים על ML יכולים להיות מהירים פעם אימון.
(ב) ⁇ :0 (ב) ⁇ ורשתות פטרי מפורטות מספקות נאמנות גבוהה ביותר; רשתות תור ופירוק עלולות להקריב פרטים במהירות.
(FLT:0) ניהול מטבע: 1.FLT:1 , פטרי רשתות ומודלים זרימת נתונים מצטיינים; דיאגרמות פעילות UML הן מספיקות; רשתות תור מטפלות במטבע מבוזר באופן בלתי סביר.
(FLT:0)Ease of Usemia: FLT:1 UML, רשתות תורינג ופירוק פונקציונלי הם נגישים יחסית; פטרי רשתות ו-ML דורשים מומחיות מיוחדת.

בפועל, אדריכלים HPC משלבים לעתים קרובות טכניקות מרובות - באמצעות קידוד פונקציונלי כדי לזהות תת-מערכות מפתח, מודלים זרימת נתונים כדי להתאים את התנועה לנתונים, וסימולציה כדי לאמת ביצועים לפני בניית אב-טיפוס פיזי.

יתרונות ומגבלות של מודלים פונקציונליים ב-HPC

יתרונות

(ב) עיין בתוכן:0) , ⁇ (ב) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
ניתוח של יעילות:0 (FLT:1) להעריך כיצד המערכת מתנהגת כמו מספר הצמתים או גודל הבעיה עולה.
מחקר החלל עיצוב:0 (עיצוב:0) 1 השווה חלופות ארכיטקטוניות רבות במהירות באמצעות מודלים ולא בניית אבטיפוס.
(FLT:0Cross-דיסציפלינה תקשורת: FLT:1 מודלים פונקציונליים משמשים שפה משותפת בין מדעני דומיין, מהנדסי תוכנה ומעצבי חומרה.
(FLT:0Riskduction:0Riskduction: 1) זיהוי בעיות פוטנציאליות מוקדם, כגון צווארי בקבוק זיכרון או עומס רשת.

הגבלות

דיוק מנדל לעומת מהירות המסחר: ההרחבה:cioFLT:1 מודלים מפורטים הם איטיים; מודלים מהירים עלולים להחמיץ התנהגות ביקורתית.
(ב) מודל פונקציונלי של LT:0) מנדל: מודל פונקציונלי הוא רק טוב כמו הנחותיו; אימות נגד מערכות אמיתיות הוא חיוני אך קשה לעתים קרובות.
(FLT:0) מורכב:0 (מורכבות: 1) מערכות HPC המודרניות מורכבות מאוד, מה שהופך מודלים פונקציונליים שלמים מאתגרים לבנות ולתחזק.
(FLT:0) התנהגות דינאמית: FLT:1eurs רבים מניחים עומסי עבודה סטטיים או תצורות מערכת קבועות, אבל סביבות HPC מציגות תוכן משאבים דינמי ושילובי עבודה שונים.

יישומים אמיתיים ומקריות

HPC Cluster Design for Weather Modeling

בעת תכנון אשכולות (FLT:0) Weather Research andחיזוי (WRFib) 1 HPC במרכז הלאומי למחקר אטמוספירי, מהנדסים השתמשו בפירוק פונקציונלי כדי להפריד את הליבה הדינמית, פיזיקה, ו / O רכיבים. Data Flow מודלים זיהו צוואר רוחב פס בין הצמתים חישוביים במערכת הקובץ המקבילה, מה שמוביל לאדריכלות אחסון מחדש באמצעות מפוצצים מודל I/Otier שהפך את ה- 40%.

ניתוח של MPI Deadlocks

צוות באוניברסיטת טנסי השתמש ברשתות פטרי צבעוניות כדי מודל של ה-FLT:0MPI AlltoallvveFLT:1 פעולה קולקטיבית על אשכול 1,024-נודה.המודל חשף תרחיש פוטנציאלי של ניתוק כאשר גדלים נתונים בלתי סדירים גרמו לדפוסי תקשורת סימטריים.הניתוח הוביל לאלגוריתם מותאם שונה אשר שיחזר הודעות ומחק את המתים ללא ביצוע הקרבה.

מודל מבוסס ML- Surgate לחקר אדריכלות GPU

חוקרים ב- GPU גדול אימנו רשת עצבית עמוקה לחזות את זמני ביצוע הקרנל המבוססים על ממדים ברשת, מספר רישומים בשימוש, והשלמת הקצאת זיכרון משותפת.המודל החליף סימולטור מחזורי-קורע במהלך חקר החלל העיצוב, צמצום הזמן להעריך מיליוני תצורה משבועות עד שעות.המודלים וכתוצאה מכך הובילו את החלטות העיצוב הסופיות של GPU עבור האדריכלות הדור הבא.

אתגרים במודלים פונקציונליים עבור HPC

למרות ערכו, מודלים פונקציונליים של HPC עומדים בפני אתגרים משמעותיים:

(ב) למערכות Exascale יש עשרות אלפי צללים; מודלים של כל אינטראקציה היא בלתי מעשית.
מערכות HPC המודרניות כוללות CPUs, GPUs, FPGAs, ומדכאים מותאמים אישית.מודלים חייבים ללכוד יכולות חומרה מגוונות ופרוטוקולים תקשורתיים.
(FLT:0) Workload variability:FLT:1reas) HPC עומסי עבודה נעים מיישומים MPI משותפים בקפידה כדי ליצור זרמים עבודה עם I / O התפרצויות.מודלים חייבים להיות גמישים על פני סוגי עומס עבודה.
(FLT:0)אנרגיה מודלינג: FLT:1 Power הצריכה היא מעצמה ברמה הראשונה מודלים פונקציונליים יותר ויותר צריך לשלב אנרגיה ודינמיקה תרמית.
(FLT:0) הסתברות: 1FLT) מערכות HPC משותפות משאבים; יכולת ביצוע עקב רעש של מערכת ההפעלה, תוכן רשת והתערבות עבודה הופכת את המודל לקשה על אימות.

כיוונים עתידיים במודלים פונקציונליים עבור HPC

תאומים

תאום דיגיטלי הוא מודל פונקציונלי בזמן אמת המשקף מערכת HPC פיזית. על ידי עדכון מתמיד של המודל עם נתוני טלמטרי, מפעילי יכולים לחזות כישלונות, לייעל תזמון, ולדמיין תרחישים "מה אם" על התאומה ללא השפעה על הייצור.

דגם בנייה אוטומטית

כלי למידת מכונה וניתוח תוכנה מאפשרים מיצוי אוטומטי של מודלים פונקציונליים מקוד ונקודות זמן ריצה.לדוגמה, (FLT:0LLVM-based AnalysisFLT:1) יכול באופן אוטומטי לייצר גרפים תלות בנתונים ודפוסי תקשורת, צמצום מאמץ מודל ידני.

שילוב עם AI עבור Co-Design

השילוב של בינה מלאכותית ומודלים פונקציונליים מבטיח להאיץ את עיצוב חומרה-תוכנות-תוכנות-בינה. סוכני AI יכולים להניע קמפיינים סימולציה, ללמוד מודלים חלופיים ולהציע תצורה אופטימלית של מערכות מהירות יותר ממומחים אנושיים.

המונחים: unquitification

מודלים פונקציונליים עתידיים ישלבו מדדי אי הוודאות ישירות, שיאפשרו למהנדסים להעריך את האמון בתחזיות ביצועים.גישות Bayesian ותכנות פרובביליסטיות מתעוררות ככלי למטרה זו.

מסקנה

טכניקות מודלים פונקציונליים נשאר אבן הפינה של תכנון מערכת מחשוב ביצועים גבוהים.מנתוני זרימת דיאגרמות ל-Peti נטו, החל מרשתות תור למכונות פונדקאית, כל שיטה מספקת עדשות ייחודיות שבאמצעותן מהנדסים יכולים להבין ולייעל את התנהגות המערכת. as HPC לדחוף לעבר Exascale ומעבר, היכולת מודל ביצועים מדויקים ומהירים רק יגדלו בחשיבותו.