20471

۲۰۴۷۱

ارائه يك الگوريتم مسيريابي حرارت آگاه براي شبكه بر تراشه هاي سه بعدي

كارشناسي ارشد

معماري سيستم هاي كامپيوتري

۱۳۹۷

۱۳۹۷/۱۲/۱۹

دكتر حاكم بيت اللهي

كامپيوتر

شبكه برتراشه سه بعدي به عنوان راه كاري براي حل مشكل پيچيدگي ارتباطات در تراشه هاي چندهسته اي مطرح شده است. اما ساختار لايه اي اين تراشه ها، هدايت حرارت بين لايه هاي مختلف و در نتيجه توزيع دما را نامتعادل مي كند. اين مسئله سبب افت كارآيي و قابليت اطمينان شبكه هاي سه بعدي در قياس با نوع دو بعدي مي شود. بنابراين اتخاذ راه كارهاي مديريت حرارت براي برقراري تعادل حرارتي در تراشه هاي سه بعدي بسيار حائز اهميت است. در اين پاياننامه يك الگوريتم حرارت آگاه برمبناي الگوريتم يادگيري ماشين Q_learning براي توزيع متناسب حرارت در شبكه بر تراشه سه بعدي معرفي شده است. اين الگوريتم با الهام گرفتن از الگوريتم Q_routing كه در واقع تطبيق يافته Q_learning با الگوريتم هاي مسيريابي شبكه بر تراشه است، اطلاعات حرارتي را توسط بسته هاي عبوري از شبكه براي داشتن انتخابي دقيق تر در اختيار مسيرياب ها قرار مي دهد. به اين ترتيب مسيرياب ها با در نظر گرفتن حرارت مسيرهايي كه براي ارسال يك بسته به سمت مقصد وجود دارد، ترافيك شبكه را به سمت متعادل ترين مسيرها هدايت مي كنند. براي اجتناب از بن بست و داشتن بيشترين تنوع مسير در مسيريابي بسته ها از بسته ها به صورت تمام وفقي و توسط دو كانال مجازي مسيريابي مي شوند. مقايسه نتايج شبيه سازي الگوريتم پيشنهادي با الگوريتم شناخته شده XYZ و الگوريتم حرارت آگاه DLAR نشان مي دهد كه الگوريتم پيشنهادي، توزيع دمايي و ترافيكي مناسبي به دست داده و به دليل داشتن تنوع مسير، تأخير مسيريابي نسبت به الگوريتم DLAR كاهش يافته است. همچنين با تغيير اندازه بسته هاي حرارتي مشاهده شده است كه واريانس حرارتي الگوريتم پيشنهادي نسبت به الگوريتم XYZ،8.4 درصد و 10.6درصد و نسبت به الگوريتم DLAR، 7.7 درصد و 8.1 درصد بهبود داشته است. با تزريق بسته¬¬هاي 16 فليتي به شبكه بازدهي نسبت به الگوريتم XYZ، 3.4 درصد و نسبت به DLAR، 1.9درصد بهبود داشته است.

1398/01/28

A new Thermal-Aware routing algorithm for 3D Network-On-Chip

3/9/2020 12:00:00 AM

The three-dimensional Network-on-Chip (3D NoC) has been proposed to solve the complex on-chip communication issues in multicore systems. However, the high integration density of the stacking dies at high operating frequency results in large power density. Furthermore, the unequal thermal conductance of different logic layers, leads the 3D NoC to face a much severer thermal problem than 2D NoC.Those thermal issues may limit the performance gain of 3D integration and cause lower reliability of the 3D NoC designs. To ensure the thermal safety, the 3D NoC systems generally require a better cooling method. To ensure both thermal safety and less performance impact from temperature regulation, we propose a thermal-awar routing algorithm (Thermal Q_routing). This method is based on the Q_learning algorithm, one of the algorithms in the reinforcement learning family of machine learning. In the proposed method, local and nonlocal thermal information is propagated over the network using network packets. This learning approach results in better thermal decisions due to up-to-date thermal information in routersand. Based on the experimental results, the proposed routing scheme improves 1.9% network throughput than DLAR and improves 3.4% than XYZ. It also can reduce 7.7% ~ 8.1% temperature variance than XYZ and reduces 8.4% ~ 10.6% than DLAR.