핵심 개념
MPI 프로그램에서 오류를 식별하는 새로운 AI 보조 접근 방식을 제안합니다.
초록
병렬 MPI 프로그램에서 오류 식별은 어려운 작업입니다.
잘못된 MPI 오류를 식별하기 위해 임베딩 및 딥러닝 그래프 신경망(GNN)을 활용하는 첫 논문입니다.
MBI 및 MPI-CorrBench 전용 MPI 벤치마크 스위트를 사용하여 모델을 테스트하고 검증하였습니다.
다양한 벤치마크 스위트에서 모델을 훈련하고 평가하여 높은 정확도를 달성하였습니다.
새로운 보이지 않는 오류에 대한 모델의 일반화 능력을 조사하고 연결된 오류 패턴을 확인하였습니다.
통계
훈련 및 검증을 통해 오류 유형을 감지하는 모델의 예측 정확도는 92%입니다.
MBI 및 MPI-CorrBench에서 모델을 훈련하고 검증하여 80% 이상의 유망한 정확도를 달성하였습니다.
제거된 오류 유형의 감지 정확도는 20%에서 80%까지 크게 변동하며 연결된 오류 패턴을 나타냅니다.
인용구
"병렬 MPI 프로그램에서 오류를 식별하는 새로운 AI 보조 접근 방식을 제안합니다."
"MBI 및 MPI-CorrBench 전용 MPI 벤치마크 스위트를 사용하여 모델을 테스트하고 검증하였습니다."