Résultats du processus de synthèse de l'article arXiv : 2304.03235v1

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.

• 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.

Les caches sont souvent négligés malgré leur rôle vital dans les performances des matériels modernes et futurs

Les caches jouent un rôle important dans la performance des matériels informatiques modernes et futurs. Ils peuvent améliorer considérablement les performances en réduisant le temps de traitement des données, ce qui est essentiel pour une variété d'applications telles que la vision par ordinateur, le traitement du signal et bien plus encore. Malheureusement, cette technologie est souvent négligée lors de l'optimisation des programmes informatiques existants.

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.

Afin de remplir ce vide, une équipe internationale de chercheurs a développé MAGPIE (Machine Automated General Performance Improvement via Evolution of software). Cet outil utilise une technique appelée amélioration génétique pour optimiser les programmes informatiques existants afin qu’ils produisent moins d’erreurs de cache L1 pour les données. En opérant sur des lignes de code source C et C++ à l'aide de recherches locales, Magpie peut générer des variantes fonctionnellement équivalentes qui produisent moins d'erreurs du cache L1.

La réduction des erreurs de cache est testée sur quatre programmes open source industriels

Afin d’illustrer son efficacité, Magpie a étudiée sa capacité à réduire les erreurs du cache L1 sur quatre programmes open source industriels : Open Location Code OLC Google et Hexagonal Hierarchical Spatial Index H3 Uber ainsi que sur 2 tâches photographiques 2D : comptage pixel & algorithme segmentation SEEDS OpenCV . Les correctifs apportés par Magpie sont générables fonctionnellement ; Dans un cas ils ont permis une réduction considérable jusqu’à 47% !

Conclusion

Cette même mise en œuvre pourrait être appliquée aux matières actuelles et futures afin d’amorcer le processus d’optimisation du cache , ce qui aurait un impact significatif sur la vitesse et l’efficacité globale du traitement numrique .