SHF:Small:Performance Portable Parallel Programming on Extremely Heterogeneous Systems

SHF:Small:极端异构系统上的高性能便携式并行编程

基本信息

  • 批准号:
    2113996
  • 负责人:
  • 金额:
    $ 50万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
    Standard Grant
  • 财政年份:
    2021
  • 资助国家:
    美国
  • 起止时间:
    2021-09-01 至 2024-08-31
  • 项目状态:
    已结题

项目摘要

The computers that are deployed today are increasingly complex as their designers strive to increase the speed with which computations are performed, while simultaneously maintaining or even reducing their power consumption. Many of them include energy-efficient accelerator devices. Adapting existing application programs so that they can execute well on new computer systems where such devices are configured is a labor-intensive and error-prone activity that requires significant expertise. Moreover, unless portable standards are used, different versions of a program may need to be created for different hardware. The effort required to do so may delay, or even prevent, many codes from fully exploiting new systems. This project will learn how to effectively utilize Machine Learning methods to help automate the adaptation process. Specifically, it will learn how to modify applications that already run on multicore platforms so that they can effectively exploit accelerator devices. At the same time, it will study and develop best practices with respect to utilizing Machine Learning in the context of improving the performance of applications.This project will study and develop Machine Learning (ML)-based strategies and techniques to identify and extract code regions in technical applications that are suitable for mapping to the devices configured on a heterogeneous architecture. It will moreover develop the runtime technology needed to manage the execution of the resulting code. To accomplish this, the project will focus on application codes that have been parallelized to exploit multiple processing cores using the widely adopted, portable industry standard OpenMP and will use and extend features of the most recent OpenMP specification to express the device code and data mappings in a manner that is portable and permits subsequent manual optimization. The embedding of key choices in the code will aid performance portability. A key element of this research is the study of state-of-the-art ML methods, including classical ML and Deep-Learning techniques, with respect to their suitability for enhancing compilers and tools. An exploration of their relative merits for use in the compiler includes how to represent a compiler problem as a regression or classification problem. Research will also study approaches to code representation and the generation of sufficient data to train quality ML models. A set of benchmarks and mini-apps will be used to guide and evaluate the research. The project will participate in the work of the OpenMP Language Committee, will make practical results available via the open source LLVM infrastructure, will contribute to teaching and training materials, and will use this effort to enrich an ongoing collaboration with an HBCU.This award reflects NSF's statutory mission and has been deemed worthy of support through evaluation using the Foundation's intellectual merit and broader impacts review criteria.
如今部署的计算机变得越来越复杂,因为设计人员努力提高计算执行速度,同时保持甚至降低功耗。 其中许多包括节能加速器设备。调整现有的应用程序,使其能够在配置了此类设备的新计算机系统上良好地执行是一项劳动密集型且容易出错的活动,需要大量的专业知识。 此外,除非使用可移植标准,否则可能需要为不同的硬件创建不同版本的程序。这样做所需的努力可能会延迟甚至阻止许多代码充分利用新系统。该项目将学习如何有效利用机器学习方法来帮助自动化适应过程。具体来说,它将学习如何修改已经在多核平台上运行的应用程序,以便它们可以有效地利用加速器设备。 同时,它将研究和开发在提高应用程序性能的背景下利用机器学习的最佳实践。该项目将研究和开发基于机器学习(ML)的策略和技术来识别和提取代码区域在适合映射到异构架构上配置的设备的技术应用中。此外,它将开发管理结果代码执行所需的运行时技术。为了实现这一目标,该项目将重点关注已并行化的应用程序代码,以利用广泛采用的便携式行业标准 OpenMP 来开发多个处理核心,并将使用和扩展最新 OpenMP 规范的功能来表达设备代码和数据映射一种可移植并允许后续手动优化的方式。在代码中嵌入关键选择将有助于性能的可移植性。这项研究的一个关键要素是研究最先进的机器学习方法,包括经典的机器学习和深度学习技术,以及它们对增强编译器和工具的适用性。 对它们在编译器中使用的相对优点的探索包括如何将编译器问题表示为回归或分类问题。研究还将研究代码表示方法以及生成足够数据来训练高质量机器学习模型的方法。 一组基准和迷你应用程序将用于指导和评估研究。该项目将参与 OpenMP 语言委员会的工作,将通过开源 LLVM 基础设施提供实际结果,为教学和培训材料做出贡献,并将利用这一努力来丰富与 HBCU 的持续合作。该奖项反映了通过使用基金会的智力价值和更广泛的影响审查标准进行评估,NSF 的法定使命被认为值得支持。

项目成果

期刊论文数量(1)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
COMPOFF: A Compiler Cost model using Machine Learning to predict the Cost of OpenMP Offloading
COMPOFF:使用机器学习预测 OpenMP 卸载成本的编译器成本模型
{{ 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 }}

Barbara Chapman其他文献

Open Distributed Systems
开放式分布式系统
  • DOI:
    10.1007/978-0-387-09766-4_2321
  • 发表时间:
    2024-09-13
  • 期刊:
  • 影响因子:
    0
  • 作者:
    D. Wonnacott;Barbara Chapman;James LaGrone;K. Fürlinger;S. Poole;Oscar R. Hern;ez;ez;J. Kuehn;G. Shipman;Anthony Curtis;K. Feind;R. Riesen;A. Maccabe;C. Lengauer
  • 通讯作者:
    C. Lengauer
Maximizing Parallelism and GPU Utilization For Direct GPU Compilation Through Ensemble Execution
通过集成执行最大限度地提高并行度和 GPU 利用率以实现直接 GPU 编译
  • DOI:
  • 发表时间:
    2023
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Shilei Tian;Barbara Chapman;Johannes Doerfert
  • 通讯作者:
    Johannes Doerfert
Cross-Feature Transfer Learning for Efficient Tensor Program Generation
用于高效张量程序生成的跨特征迁移学习
  • DOI:
    10.3390/app14020513
  • 发表时间:
    2024-01-06
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Gaurav Verma;Siddhisanket Raskar;M. Emani;Barbara Chapman
  • 通讯作者:
    Barbara Chapman
Quantum optimization algorithms: Energetic implications
Feasibility Study of Interventions to Reduce Medication Omissions Without Documentation: Recall and Check Study
在没有文件的情况下减少药物遗漏的干预措施的可行性研究:召回和检查研究
  • DOI:
    10.1097/ncq.0000000000000229
  • 发表时间:
    2017-07-01
  • 期刊:
  • 影响因子:
    1.2
  • 作者:
    Maree Johnson;P. Sanchez;Catherine Zheng;Barbara Chapman
  • 通讯作者:
    Barbara Chapman

Barbara Chapman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('Barbara Chapman', 18)}}的其他基金

Collaborative Research: SHF: MEDIUM: Smart Integrated Tuning of Parallel Code for Multicore and Manycore Systems
合作研究:SHF:MEDIUM:多核和众核系统并行代码的智能集成调整
  • 批准号:
    2211983
  • 财政年份:
    2022
  • 资助金额:
    $ 50万
  • 项目类别:
    Continuing Grant
SPX: Collaborative Research: Cross-layer Application-Aware Resilience at Extreme Scale (CAARES)
SPX:协作研究:超大规模跨层应用程序感知弹性 (CAARES)
  • 批准号:
    1725499
  • 财政年份:
    2017
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
Increasing Student Participation in Fifth PGAS Conference (PGAS11)
提高第五届 PGAS 会议 (PGAS11) 的学生参与度
  • 批准号:
    1158635
  • 财政年份:
    2011
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
SHF:Small: Portable High-Level Programming Model for Heterogeneous Computing Based on OpenMP
SHF:Small:基于OpenMP的可移植异构计算高级编程模型
  • 批准号:
    0917285
  • 财政年份:
    2009
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
Collaborative Research: Extreme OpenMP: A Programming Model for Productive High End Computing
协作研究:Extreme OpenMP:高效高端计算的编程模型
  • 批准号:
    0833201
  • 财政年份:
    2008
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
CRI: Planning A Research Compiler Infrastructure Based on Open64
CRI:规划基于Open64的研究编译器基础设施
  • 批准号:
    0708797
  • 财政年份:
    2007
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
Scalable Performance and Power-Aware Hybrid Compilation System for Multicores
适用于多核的可扩展性能和功耗感知混合编译系统
  • 批准号:
    0702775
  • 财政年份:
    2007
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
Collaborative Research: Performance Toolset for Dynamic Optimization of High-End Hybrid Applications
协作研究:用于高端混合应用动态优化的性能工具集
  • 批准号:
    0444468
  • 财政年份:
    2004
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
POWRE: Structure and Function of an Apoptosis Domain in the 75 kDa Neurotropin Receptor
POWRE:75 kDa Neurotropin 受体中凋亡结构域的结构和功能
  • 批准号:
    0227160
  • 财政年份:
    2002
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
POWRE: Structure and Function of an Apoptosis Domain in the 75 kDa Neurotropin Receptor
POWRE:75 kDa Neurotropin 受体中凋亡结构域的结构和功能
  • 批准号:
    9805771
  • 财政年份:
    1998
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant

相似国自然基金

小分子代谢物Catechin与TRPV1相互作用激活外周感觉神经元介导尿毒症瘙痒的机制研究
  • 批准号:
    82371229
  • 批准年份:
    2023
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目
DHEA抑制小胶质细胞Fis1乳酸化修饰减轻POCD的机制
  • 批准号:
    82301369
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
SETDB1调控小胶质细胞功能及参与阿尔茨海默病发病机制的研究
  • 批准号:
    82371419
  • 批准年份:
    2023
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目
PTBP1驱动H4K12la/BRD4/HIF1α复合物-PKM2正反馈环路促进非小细胞肺癌糖代谢重编程的机制研究及治疗方案探索
  • 批准号:
    82303616
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

SHF: Small: Methods, Workflows, and Data Commons for Reducing Training Costs in Neural Architecture Search on High-Performance Computing Platforms
SHF:小型:降低高性能计算平台上神经架构搜索训练成本的方法、工作流程和数据共享
  • 批准号:
    2223704
  • 财政年份:
    2022
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
Collaborative Research: SHF: Small: Rethinking Performance Variation for Emerging Applications - An Application-centric and Cross-layer Approach
协作研究:SHF:小型:重新思考新兴应用程序的性能变化 - 以应用程序为中心的跨层方法
  • 批准号:
    2134203
  • 财政年份:
    2022
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
Collaborative Research: SHF: Small: Exploiting Performance Correlations for Accurate and Low-cost Performance Testing for Serverless Computing
协作研究:SHF:小型:利用性能相关性对无服务器计算进行准确且低成本的性能测试
  • 批准号:
    2155097
  • 财政年份:
    2022
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
Collaborative Research: SHF: Small: Rethinking Performance Variation for Emerging Applications - An Application-centric and Cross-layer Approach
协作研究:SHF:小型:重新思考新兴应用程序的性能变化 - 以应用程序为中心的跨层方法
  • 批准号:
    2134202
  • 财政年份:
    2022
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
SHF: Small: Predictable Performance for Just-in-Time Compilation
SHF:小型:可预测的即时编译性能
  • 批准号:
    2139612
  • 财政年份:
    2022
  • 资助金额:
    $ 50万
  • 项目类别:
    Standard Grant
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了