Zukünftige Mehr- und Vielkernplattformen werden es erlauben, eine Vielzahl von Anwendungen parallel auszuführen. Um die Einbettung einer Anwendung auf eine Architektur zu bestimmen, muss das NP-vollständige Systemsynthese-Problem (bestehend aus Allokation, Bindung, Routing und Ablaufplanung) gelöst werden. Durch die hohe Anzahl an Ressourcen in Mehr- und Vielkernarchitekturen ergibt sich für jede Anwendung eine Vielzahl an Einbettungsmöglichkeiten, die sich in Qualitätsmerkmalen wie Durchsatz, Zuverlässigkeit oder Sicherheit der Anwendungsausführung unterscheiden.
Aus diesem Grund sollen bereits zur Entwurfszeit Einbettungen durch eine sogenannte Entwurfsraumexploration untersucht und im Hinblick auf Zielgrößen wie Energieverbrauch, Latenz, etc. optimiert werden. Zur Laufzeit kann dann eine geeignete Einbettung aus einer Menge Pareto-optimaler Implementierungen ausgewählt werden. Ein Problem klassischer Ansätze zur Entwurfsraumexploration liegt in der Größe des Suchraums, die von der Anzahl der Tasks in der Anwendung sowie der Größe der Architektur abhängt.
Weiterhin führen Symmetrien in der Architektur dazu, dass große Teile des Suchraums nur redundante Lösungen enthalten.

Ziele

In dieser Arbeit sollen daher Verfahren zur Verkleinerung des Suchraums für bestehende Entwurfsraumexplorationen (wie z.B. [1], [2]) entwickelt werden. Dazu sollen verschiedene Methoden des Machine Learning bzw. Deep Learning recherchiert und verwendet werden. Für die Implementierung verwenden wir das open-source Explorationsframework OpenDSE [3], sodass entwickelte Methoden auch weiterverwendet und evtl. veröffentlicht werden können.

Literatur

[1] Andreas Weichslgartner, Deepak Gangadharan, Stefan Wildermann, Michael Glaß, Jürgen Teich. DAARM: Design-Time Application Analysis and Run-Time Mapping for Predictable Execution in Many-Core Systems, 2014.

[2] Tobias Schwarzer, Andreas Weichslgartner, Michael Glaß, Stefan Wildermann, Peter Brand, Jürgen Teich. Symmetry-eliminating Design Space Exploration for Hybrid Application Mapping on Many-Core Architectures, 2018.

[3] OpenDSE, open-source Explorationsframework: https://github.com/felixreimann/opendse

Zukünftige Mehr- und Vielkernplattformen werden es erlauben, eine Vielzahl von Anwendungen parallel auszuführen. Um die Einbettung einer Anwendung auf eine Architektur zu bestimmen, muss das NP-vollständige Systemsynthese-Problem (bestehend aus Allokation, Bindung, Routing und Ablaufplanung) gelöst werden. Durch die hohe Anzahl an Ressourcen in Mehr- und Vielkernarchitekturen ergibt sich für jede Anwendung eine Vielzahl an Einbettungsmöglichkeiten, die sich in Qualitätsmerkmalen wie Durchsatz, Zuverlässigkeit oder Sicherheit der Anwendungsausführung unterscheiden.
Aus diesem Grund sollen bereits zur Entwurfszeit Einbettungen durch eine sogenannte Entwurfsraumexploration untersucht und im Hinblick auf Zielgrößen wie Energieverbrauch, Latenz, etc. optimiert werden. Zur Laufzeit kann dann eine geeignete Einbettung aus einer Menge Pareto-optimaler Implementierungen ausgewählt werden. Ein Problem klassischer Ansätze zur Entwurfsraumexploration liegt in der Größe des Suchraums, die von der Anzahl der Tasks in der Anwendung sowie der Größe der Architektur abhängt.
Weiterhin führen Symmetrien in der Architektur dazu, dass große Teile des Suchraums nur redundante Lösungen enthalten.

Ziele

In dieser Arbeit sollen daher Verfahren zur Verkleinerung des Suchraums für bestehende Entwurfsraumexplorationen (wie z.B. [1], [2]) entwickelt werden. Dazu sollen verschiedene Methoden des Data Mining recherchiert und verwendet werden. Für die Implementierung verwenden wir das open-source Explorationsframework OpenDSE [3], sodass entwickelte Methoden auch weiterverwendet und evtl. veröffentlicht werden können.

Literatur

[1] Andreas Weichslgartner, Deepak Gangadharan, Stefan Wildermann, Michael Glaß, Jürgen Teich. DAARM: Design-Time Application Analysis and Run-Time Mapping for Predictable Execution in Many-Core Systems, 2014.

[2] Tobias Schwarzer, Andreas Weichslgartner, Michael Glaß, Stefan Wildermann, Peter Brand, Jürgen Teich. Symmetry-eliminating Design Space Exploration for Hybrid Application Mapping on Many-Core Architectures, 2018.

[3] OpenDSE, open-source Explorationsframework: https://github.com/felixreimann/opendse

Zukünftige Mehr- und Vielkernplattformen werden es erlauben, eine Vielzahl von Anwendungen parallel auszuführen. Um die Einbettung einer Anwendung auf eine Architektur zu bestimmen, muss das NP-vollständige Systemsynthese-Problem (bestehend aus Allokation, Bindung, Routing und Ablaufplanung) gelöst werden. Durch die hohe Anzahl an Ressourcen in Mehr- und Vielkernarchitekturen ergibt sich für jede Anwendung eine Vielzahl an Einbettungsmöglichkeiten, die sich in Qualitätsmerkmalen wie Durchsatz, Zuverlässigkeit oder Sicherheit der Anwendungsausführung unterscheiden.
Aus diesem Grund sollen bereits zur Entwurfszeit Einbettungen durch eine sogenannte Entwurfsraumexploration untersucht und im Hinblick auf Zielgrößen wie Energieverbrauch, Latenz, etc. optimiert werden. Zur Laufzeit kann dann eine geeignete Einbettung aus einer Menge Pareto-optimaler Implementierungen ausgewählt werden. Ein Problem klassischer Ansätze zur Entwurfsraumexploration liegt in der Größe des Suchraums, die von der Anzahl der Tasks in der Anwendung sowie der Größe der Architektur abhängt.
Weiterhin führen Symmetrien in der Architektur dazu, dass große Teile des Suchraums nur redundante Lösungen enthalten.

Ziele

In dieser Arbeit sollen daher neue Zielgrößen in bestehenden Entwurfsraumexplorationsmethodiken (wie z.B. [1], [2]) zur besseren Exploration des Suchraums definiert, implementiert und evaluiert werden. Dazu sollen verschiedene Methoden des Data Mining recherchiert und verwendet werden. Für die Implementierung verwenden wir das open-source Explorationsframework OpenDSE [3], sodass entwickelte Methoden auch weiterverwendet und evtl. veröffentlicht werden können.

Literatur

[1] Andreas Weichslgartner, Deepak Gangadharan, Stefan Wildermann, Michael Glaß, Jürgen Teich. DAARM: Design-Time Application Analysis and Run-Time Mapping for Predictable Execution in Many-Core Systems, 2014.

[2] Tobias Schwarzer, Andreas Weichslgartner, Michael Glaß, Stefan Wildermann, Peter Brand, Jürgen Teich. Symmetry-eliminating Design Space Exploration for Hybrid Application Mapping on Many-Core Architectures, 2018.

[3] OpenDSE, open-source Explorationsframework: https://github.com/felixreimann/opendse

Zukünftige Mehr- und Vielkernplattformen werden es erlauben, eine Vielzahl von Anwendungen parallel auszuführen. Um die Einbettung einer Anwendung auf eine Architektur zu bestimmen, muss das NP-vollständige Systemsynthese-Problem (bestehend aus Allokation, Bindung, Routing und Ablaufplanung) gelöst werden. Durch die hohe Anzahl an Ressourcen in Mehr- und Vielkernarchitekturen ergibt sich für jede Anwendung eine Vielzahl an Einbettungsmöglichkeiten, die sich in Qualitätsmerkmalen wie Durchsatz, Zuverlässigkeit oder Sicherheit der Anwendungsausführung unterscheiden. Aus diesem Grund sollen bereits zur Entwurfszeit Einbettungen durch eine sogenannte Entwurfsraumexploration untersucht und im Hinblick auf Zielgrößen wie Energieverbrauch, Latenz, etc. optimiert werden. Zur Laufzeit kann dann eine geeignete Einbettung aus einer Menge Pareto-optimaler Implementierungen ausgewählt werden.

Ziele

Ziel der Arbeit ist die Integration verschiedener Visualisierungsverfahren in das open-source Explorationsframework OpenDSE [1]. Auch die Recherche geeigneter Verfahren sind Teil der Arbeit.

Literatur

[1] OpenDSE, open-source Explorationsframework: https://github.com/felixreimann/opendse