Approximateネットワークによる高速性と計算精度の自動チューニング基盤

点击翻译按钮获取中文摘要

本研究では、ノイズ耐性の低い多値変調を用いることで広帯域を実現し、かつビット化けを訂正せずに放置することで低遅延を達成するApproximateネットワークの最適化基盤を探求している。具体的には、Approximateネットワークを用いてアプリケーションを実行する環境において、正しく動作することを保証した上で高速に実行できるパラメータセットを発見する自動チューニング手法を提案している。自動チューニングにおける各試行には一般に性能揺らぎが存在し、揺らぎを含む試行性能を使用してチューニング結果を決定すると、チューニング結果に正しくない揺らぎが発生する。ここから必然的に、本来求める最適なパラメータセットを発見できない問題が生じる。実際NPBベンチマークのCGおよびFTにおいて、探索を打ち切るまで試行を行っても、手動で発見した最適なパラメータセットを発見する割合が高々40%程度となる状況が存在することがわかっている。従って本研究では、性能揺らぎの問題に対応するために、一定数の試行を行うことで標本平均を取得し、取得した標本平均を用いて、母平均を予測する区間推定を用いた探索手法を提案した。2個のパラメータセットによる実行性能の比較には、取得した標本値ではなく、複数回試行することにより計算された信頼区間同士を用いて比較する。これまでにおいて、提案している最適化手法を用いてアプリケーションの最適化を行った結果について性能評価を行った結果、4アプリに対して平均で約26%の性能向上を得られることがわかった。