CAREER: Automatically Generating and Processing Program Analyses and Optimizations

职业:自动生成和处理程序分析和优化

基本信息

  • 批准号:
    0644306
  • 负责人:
  • 金额:
    $ 40万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
    Continuing Grant
  • 财政年份:
    2007
  • 资助国家:
    美国
  • 起止时间:
    2007-04-15 至 2012-03-31
  • 项目状态:
    已结题

项目摘要

Developing efficient, scalable, correct, and precise program analyzers and optimizers is difficult. There is a long time, often up to a decade, before a new optimizing compiler is mature enough to be widely used. These difficulties hinder the development of new languages and new architectures, and can also discourage end-user programmers from extending compilers with domain-specific checkers or optimizers.Techniques will be investigated for automatically generating efficient, scalable, correct, and precise dataflow analyzers and optimizers from a very high-level specification. The overarching theme is to understand the underlying principles behind designing program analyses and optimizations, and use this understanding to automate as much as possible the analyzer- and optimizer-writing process. Attempting to automate the process of writing analyzers and optimizers enables many new kinds of usage models for compilers, including: allowing end-user programmers to easily extend the compiler with domain-specific checkers or optimizers; allowing end-user programmers to continuously train the compiler, even after it is deployed, based on additional input-output examples; and automatically generating additional analyses when the optimizer discovers the need for new dataflow information, and linking these new analyses into the optimizer while in execution.
开发高效、可扩展、正确且精确的程序分析器和优化器是很困难的。新的优化编译器成熟到足以被广泛使用之前,需要很长的时间,通常长达十年。这些困难阻碍了新语言和新架构的开发,也阻碍了最终用户程序员使用特定领域的检查器或优化器扩展编译器。将研究自动生成高效、可扩展、正确和精确的数据流分析器和优化器的技术来自非常高水平的规范。首要主题是了解设计程序分析和优化背后的基本原理,并利用这种理解尽可能自动化分析器和优化器编写过程。尝试自动化编写分析器和优化器的过程可以为编译器提供许多新的使用模型,包括:允许最终用户程序员使用特定于域的检查器或优化器轻松扩展编译器;允许最终用户程序员根据额外的输入输出示例持续训练编译器,即使是在部署之后;当优化器发现需要新的数据流信息时,自动生成附加分析,并在执行时将这些新分析链接到优化器中。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Sorin Lerner其他文献

Automated refinement checking of concurrent systems
并发系统的自动细化检查
Addressing common crosscutting problems with Arcum
使用 Arcum 解决常见横切问题
  • DOI:
    10.1145/1512475.1512489
  • 发表时间:
    2008-11-09
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Macneil Shonle;W. Griswold;Sorin Lerner
  • 通讯作者:
    Sorin Lerner
Establishing Browser Security Guarantees through Formal Shim Verification
通过正式的 Shim 验证建立浏览器安全保证
  • DOI:
    10.1016/s1571-0661(05)01135-7
  • 发表时间:
    2012-08-08
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Dongseok Jang;Zachary Tatlock;Sorin Lerner
  • 通讯作者:
    Sorin Lerner
How do Haskell programmers debug?
Haskell 程序员如何调试?
  • DOI:
    10.1007/978-3-642-34407-7_5
  • 发表时间:
    2023
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Sarah E. Chasins;Elena Glassman;Joshua Sunshine;Lisa Huang;Elizaveta Pertseva;Michael J. Coblenz;Sorin Lerner
  • 通讯作者:
    Sorin Lerner
Towards verification of hybrid systems in a foundational proof assistant
在基础证明助手中验证混合系统

Sorin Lerner的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Sorin Lerner', 18)}}的其他基金

Collaborative Research: SHF: Small: Data-Driven Lemma Synthesis for Interactive Proofs
协作研究:SHF:小型:交互式证明的数据驱动引理合成
  • 批准号:
    2220892
  • 财政年份:
    2022
  • 资助金额:
    $ 40万
  • 项目类别:
    Standard Grant
SHF: Medium: Generating Correctness Proofs with Neural Networks
SHF:中:使用神经网络生成正确性证明
  • 批准号:
    1955457
  • 财政年份:
    2020
  • 资助金额:
    $ 40万
  • 项目类别:
    Standard Grant
CPS: Synergy: Towards Foundational Verification of Cyber-Physical Systems
CPS:协同:迈向网络物理系统的基础验证
  • 批准号:
    1544757
  • 财政年份:
    2015
  • 资助金额:
    $ 40万
  • 项目类别:
    Standard Grant
SHF:Small: Bringing Extensibility and Performance to Verified Compilers
SHF:Small:为经过验证的编译器带来可扩展性和性能
  • 批准号:
    1219172
  • 财政年份:
    2012
  • 资助金额:
    $ 40万
  • 项目类别:
    Standard Grant
TWC: Medium: Towards a Formally Verified Web Browser
TWC:媒介:迈向正式验证的 Web 浏览器
  • 批准号:
    1228967
  • 财政年份:
    2012
  • 资助金额:
    $ 40万
  • 项目类别:
    Standard Grant
SHF: Small: Application Shrinking for Reducing Energy Consumption
SHF:小型:缩小应用范围以降低能耗
  • 批准号:
    1018632
  • 财政年份:
    2010
  • 资助金额:
    $ 40万
  • 项目类别:
    Standard Grant
CPA-CPL: Scalable Analysis for Concurrent Programs
CPA-CPL:并发程序的可扩展分析
  • 批准号:
    0811512
  • 财政年份:
    2008
  • 资助金额:
    $ 40万
  • 项目类别:
    Standard Grant

相似国自然基金

众源图片支持的室内场景理解与三维地图自动构建研究
  • 批准号:
    41701445
  • 批准年份:
    2017
  • 资助金额:
    24.0 万元
  • 项目类别:
    青年科学基金项目
本体驱动面向任务的自动地理数据库综合模型研究
  • 批准号:
    40771168
  • 批准年份:
    2007
  • 资助金额:
    35.0 万元
  • 项目类别:
    面上项目
有云条件下的基于拓扑特征的遥感卫星图像自动地标识别方法研究
  • 批准号:
    60702040
  • 批准年份:
    2007
  • 资助金额:
    21.0 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

AI-Generating Algorithms: AI that improves itself by automatically creating learning challenges
人工智能生成算法:人工智能通过自动创造学习挑战来自我改进
  • 批准号:
    RGPIN-2022-03094
  • 财政年份:
    2022
  • 资助金额:
    $ 40万
  • 项目类别:
    Discovery Grants Program - Individual
Towards better software quality by automatically generating realistic mutants using deep learning models.
通过使用深度学习模型自动生成真实的突变体来提高软件质量。
  • 批准号:
    568781-2022
  • 财政年份:
    2022
  • 资助金额:
    $ 40万
  • 项目类别:
    Postgraduate Scholarships - Doctoral
Towards better software quality by automatically generating realistic mutants using deep learning models.
通过使用深度学习模型自动生成真实的突变体来提高软件质量。
  • 批准号:
    568781-2022
  • 财政年份:
    2022
  • 资助金额:
    $ 40万
  • 项目类别:
    Postgraduate Scholarships - Doctoral
AI-Generating Algorithms: AI that improves itself by automatically creating learning challenges
人工智能生成算法:人工智能通过自动创造学习挑战来自我改进
  • 批准号:
    RGPIN-2022-03094
  • 财政年份:
    2022
  • 资助金额:
    $ 40万
  • 项目类别:
    Discovery Grants Program - Individual
AI-based approach to support students for understanding and to automatically generate class contents
基于人工智能的方法支持学生理解并自动生成课程内容
  • 批准号:
    21K02770
  • 财政年份:
    2021
  • 资助金额:
    $ 40万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了