이 논문은 그래프 신경망 네트워크 (GNN) 계산을 효율적으로 가속화하기 위한 NeuraChip이라는 혁신적인 공간 가속기를 소개한다.
NeuraChip의 주요 특징은 다음과 같다:
곱셈과 누적 연산을 분리하여 각각의 고유한 데이터 의존성을 효과적으로 활용한다. NeuraCore는 곱셈 연산을, NeuraMem은 누적 연산을 담당한다.
동적 리씨드 해시 기반 매핑 (DRHM) 기법을 사용하여 계산 자원의 균일한 활용을 달성한다. 이는 데이터 희소성 패턴에 무관하게 작동한다.
부분 곱셈 결과의 메모리 블로트 문제를 해결하기 위해 롤링 제거 전략을 도입했다. 이를 통해 온칩 메모리 사용을 최적화한다.
실험 결과, NeuraChip은 Intel MKL 대비 22.1배, NVIDIA cuSPARSE 대비 17.1배, AMD hipSPARSE 대비 16.7배 빠른 성능을 보였다. 또한 기존 최신 SpGEMM 가속기 대비 1.5배, GNN 가속기 대비 1.3배 향상된 성능을 달성했다.
To Another Language
from source content
arxiv.org
Djupare frågor