手機過熱不僅拖累系統運行效能,久而久之也會影響用戶的心情。陽明交通大學智慧型可靠度系統晶片實驗室(CERES Lab.)最近開發一款針對多核心晶片網路的溫度預測以及溫控技術,可以增強散熱性能,從而減緩手機發燙的問題,獲選國際期刊《IEEE TVLSI》最佳論文獎。
陽明交大表示,多核心晶片近年廣泛用於電腦、手機、伺服器等設備,而且隨著處理器核心數量增加,使得晶片內網路(Network on Chip, NoC)連線結構成為熱門的技術議題,也因運算核心時脈頻率提高,帶來嚴重溫度挑戰,影響晶片運作效能、可靠程度。
陽明交大副教授陳坤志帶領碩士生廖元豪、陳政廷、王蕾期在國際期刊《IEEE TVLSI》(IEEE Transactions on Very Large Scale Integration Systems)當中,提出一款較為有效的線上學習機制,進行晶片內部網路系統的準確溫度預測,並且透過可適性強化式學習技術,執行動態的主動溫度管理,大幅提升系統的溫度管理效能以與穩定性。
陳坤志表示,這項基於機器學習的主動溫度管理,採用最小均方可適性濾波理論優化模型動態調整溫度預測,提高預測準確,應對不同工作負載以及溫度變化,並且引入適應強化學習方法,透過即時反饋當前溫度、預測溫度與系統吞吐量動態調整節流比例,達到最佳的熱管理效果,最大化保證系統性能。
陽明交大指出,研究結果顯示自適應強化學習方法相較傳統方法,顯著減少溫度預測誤差、提升系統性能,成果不僅獲選今年國際期刊《IEEE TVLSI》的最佳論文獎,並且創下台灣團隊30年以來首度獲此殊榮的紀錄。
我是廣告 請繼續往下閱讀
陽明交大副教授陳坤志帶領碩士生廖元豪、陳政廷、王蕾期在國際期刊《IEEE TVLSI》(IEEE Transactions on Very Large Scale Integration Systems)當中,提出一款較為有效的線上學習機制,進行晶片內部網路系統的準確溫度預測,並且透過可適性強化式學習技術,執行動態的主動溫度管理,大幅提升系統的溫度管理效能以與穩定性。
陳坤志表示,這項基於機器學習的主動溫度管理,採用最小均方可適性濾波理論優化模型動態調整溫度預測,提高預測準確,應對不同工作負載以及溫度變化,並且引入適應強化學習方法,透過即時反饋當前溫度、預測溫度與系統吞吐量動態調整節流比例,達到最佳的熱管理效果,最大化保證系統性能。
陽明交大指出,研究結果顯示自適應強化學習方法相較傳統方法,顯著減少溫度預測誤差、提升系統性能,成果不僅獲選今年國際期刊《IEEE TVLSI》的最佳論文獎,並且創下台灣團隊30年以來首度獲此殊榮的紀錄。