# GI Software with fewer Data Cache Misses

**Authors:** William B. Langdon, Justyna Petke, Aymeric Blot, David Clark  
**arXiv:** [2304.03235](https://arxiv.org/abs/2304.03235)  
**Date:** 2023-04-06  
**Summary page:** https://www.summarizepaper.com/fr/paper/2304.03235v1/

## Key points

- Les caches sont importants pour les performances des matériels modernes et futurs
- L'amélioration génétique peut réduire la charge du cache des programmes informatiques existants
- MAGPIE (Machine Automated General Performance Improvement via Evolution of software) permet de réduire les erreurs de cache L1 pour les données en opérant sur des lignes de code source C et C++ à l'aide de la recherche locale
- La méthode est testée sur deux programmes open source industriels (Open Location Code OLC de Google et Hexagonal Hierarchical Spatial Index H3 d'Uber) ainsi que sur deux tâches de traitement d'image photographique 2D : le comptage des pixels et l'algorithme de segmentation SEEDS d'OpenCV
- Les correctifs apportés par Magpie sont généralisables fonctionnellement et ont permis une réduction considérable des erreurs du cache L1 haute performance jusqu'à 47%
- Cette méthode pourrait améliorer les performances des matériels informatiques actuels et futurs en optimisant leurs caches, ce qui pourrait avoir un impact significatif sur la vitesse et l’efficacité du traitement des données dans divers domaines tels que la vision par ordinateur, le traitement du signal et bien plus encore.

## Summary

Les caches sont souvent négligés malgré leur rôle vital dans les performances des matériels modernes et futurs. À l'aide de MAGPIE (Machine Automated General Performance Improvement via Evolution of software), nous montrons que l'amélioration génétique (GI) peut réduire la charge du cache des programmes informatiques existants. En opérant sur des lignes de code source C et C++ à l'aide de la recherche locale, Magpie peut générer de nouvelles variantes fonctionnellement équivalentes qui produisent moins d'erreurs de cache L1 pour les données. La réduction des erreurs de cache est testée sur deux programmes open source industriels (Open Location Code OLC de Google et Hexagonal Hierarchical Spatial Index H3 d'Uber) ainsi que sur deux tâches de traitement d'image photographique 2D : le comptage des pixels et l'algorithme de segmentation SEEDS d'OpenCV. Les correctifs apportés par Magpie sont généralisables fonctionnellement. Dans un cas, ils ont permis une réduction considérable des erreurs du cache L1 haute performance jusqu'à 47 %. Cette méthode pourrait être utilisée pour améliorer les performances des matériels informatiques actuels et futurs en optimisant leurs caches, ce qui pourrait avoir un impact significatif sur la vitesse et l’efficacité du traitement des données dans divers domaines tels que la vision par ordinateur, le traitement du signal et bien plus encore.