KI-gestützte Sprungvorhersage im general-purpose Prozessor

Bachelor thesis, Master thesis

Research focus: Machine Learning
Courses of study: Electrical Engineering, Informatics, Information Engineering

Job Description

Beim Entwurf von Prozessoren ist Pipelining eine entscheidende Technik für hohe Leistung, da sie hohe Taktraten und Instruction-Level Parallelism (ILP) ermöglicht. In tiefen Pipelines verursachen bedingte Sprünge (z.B. while-Schleife) einen Performance-Verlust, da das Sprungziel (Schleife aufrufen oder überspringen) erst spät in der Pipeline festgestellt wird. Dementsprechend muss die Pipeline warten, bevor die nächste Instruktion geholt wird (fetch). Um die Instruktionen trotzdem ununterbrochen holen zu können, wird eine sog. Sprungvorhersage verwendet.


Im Rahmen dieser Abschlussarbeit wird ein neuartiges neuronales Netz für den Einsatz in der Sprungvorhersage erforscht und entwickelt. Zentrales Prinzip der Arbeit ist, dass die immer wieder aufkommenden Sprünge in der Pipeline als eine Zeitreihe von Ereignissen interpretiert werden können. Dahingehend soll die Vorhersage der Sprungergebnisse (taken/not taken) mit Machine-Learning-Ansätzen gelöst werden, die auf ereignisbasierte Zeitreihendaten spezialisiert sind.

Your Responsibilities

  • Recherche Stand der Technik
  • Erstellen eines event-basierten Datensatzes
  • Entwurf eines neuronalen Netzes für Branch Prediction
  • Evaluation des neuronalen Netzes mithilfe des Datensatzes

Our Offer

  • Konstruktive Zusammenarbeit
  • Eine angenehme Arbeitsatmosphäre
  • Eine wirtschafts-/industrienahe Arbeitsumgebung und -organisation
  • Ein interdisziplinäres Arbeitsumfeld mit Partnern aus Wissenschaft, Wirtschaft und Anwendern

Your Profile

  • Grundkenntnisse mit einem Deep Learning Framework (Tensorflow, PyTorch, etc.)
  • Gute Kenntnisse in Python
  • Selbstständiges Denken und Arbeiten
  • Sehr gute Deutsch- oder Englischkenntnisse
  • Motivation und Engagement

Application

Wir freuen uns auf Deine PDF-Bewerbung an Brian Pachideh, pachideh@dont-want-spam.fzi.de, mit folgenden Unterlagen:

  • Aktueller Notenauszug
  • Tabellarischer Lebenslauf

Job Description

  • Start: ab sofort
  • Betreuendes Institut am KIT: Institut für Technik der Informationsverarbeitung (ITIV) | Prof. Dr.-Ing. Dr. h. c. Jürgen Becker