[論文レビュー] Modeling the Temperature Bias of Power Consumption for Nanometer-Scale CPUs in Application Processors

Karel De Vogeleer, Gérard Memmi+2 more|arXiv (Cornell University)|Apr 13, 2014

Parallel Computing and Optimization Techniques参考文献 17被引用数 5

ひとこと要約

この論文は、アプリケーションプロセッサ内のナノスケールCPUにおける指数関数的温度/消費電力関係を正確に捉えるマクロレベルのモデルを提案している。実験的データから、リーク電流および熱的効果のため、消費電力が温度に非線形的に上昇することを示している。2つのプラットフォームからの実験的データを用いて、20°Cから85°Cの範囲で関係が指数関数的であることを検証し、温度に起因する電力測定のバイアスを補正する手法を提示。これにより、温度に依存しないベンチマークテストと、より優れた熱管理が可能になる。

ABSTRACT

We introduce and experimentally validate a new macro-level model of the CPU temperature/power relationship within nanometer-scale application processors or system-on-chips. By adopting a holistic view, this model is able to take into account many of the physical effects that occur within such systems. Together with two algorithms described in the paper, our results can be used, for instance by engineers designing power or thermal management units, to cancel the temperature-induced bias on power measurements. This will help them gather temperature-neutral power data while running multiple instance of their benchmarks. Also power requirements and system failure rates can be decreased by controlling the CPU's thermal behavior. Even though it is usually assumed that the temperature/power relationship is exponentially related, there is however a lack of publicly available physical temperature/power measurements to back up this assumption, something our paper corrects. Via measurements on two pertinent platforms sporting nanometer-scale application processors, we show that the power/temperature relationship is indeed very likely exponential over a 20°C to 85°C temperature range. Our data suggest that, for application processors operating between 20°C and 50°C, a quadratic model is still accurate and a linear approximation is acceptable.

研究の動機と目的

• ナノスケールプロセッサにおけるCPU温度と消費電力の関係を示す公開済みの物理的測定データの不足に対処すること。
• 特に熱的効果とリーク電流に注目し、アプリケーションプロセッサにおける非線形な温度/消費電力関係をモデル化すること。
• 電力測定における温度に起因するバイアスを除去する手法を開発し、公平で再現可能なベンチマークテストを可能にすること。
• 実世界のプラットフォームを用いて、温度/消費電力関係の指数関数的性質を実験的に検証すること。
• 正確な電力および温度挙動モデルを提供することにより、組み込みシステムにおける熱管理を改善すること。

提案手法

• 著者は、2つのアプリケーションプロセッサプラットフォームを用いて、20°Cから85°Cの範囲で温度と消費電力のデータ収集のための実験的測定を実施している。
• トランジスタのリーク電流、電圧レギュレータの挙動、材料依存の抵抗などの物理的効果を考慮したマクロレベルのアプローチを用いて、温度/消費電力関係をモデル化している。
• 時間遅れを伴う温度センサの読み取り値を補正するための変換関数 B(t) が導出されている。これは、ホットスポットからセンサまでの熱伝達遅延を考慮している。
• 一次近似に基づき、フーリエの熱伝導法則と誤差関数を用いて、遠隔センサデータからホットスポット温度を推定している。
• 電力測定における温度に起因するバイアスをキャンセルする2つのアルゴリズムを含んでおり、これにより温度に依存しないベンチマークテストが可能になる。
• 理論的曲線と実験的トレースを比較してモデルを検証しており、特に補正済み（上向きに湾曲）と未補正（下向きに湾曲）の温度/消費電力曲線の違いを明確にしている。

実験結果

リサーチクエスチョン

• RQ1 ナノスケールCPUにおける温度/消費電力関係は、一般的に想定されているように指数関数的であるか？
• RQ2 温度依存のリーク電流およびその他のマクロレベル効果は、CPUの消費電力にどの程度の影響を与えるか？
• RQ3 ホットスポットと温度センサ間の熱伝達遅延は、測定された温度/消費電力曲線をどのように歪めるか？
• RQ4 遠隔で遅れを伴うセンサ読み取り値から、正確なホットスポット温度を再構築するための変換関数を導出可能か？
• RQ5 電力測定における温度に起因するバイアスは、公平なベンチマークテストを可能にするために効果的に除去可能か？

主な発見

• アプリケーションプロセッサにおける温度/消費電力関係は、20°Cから85°Cの範囲で実験的に指数関数的であることが検証され、理論的仮定を支持している。
• 20°Cから50°Cの温度範囲では、2次関数モデルが高精度を示し、実用的な目的では線形近似も妥当である。
• 温度センサの遅れにより、測定された電力トレースに下向きに湾曲する曲線が生じるが、提案された変換関数 B(t) でこれを補正している。
• フーリエの法則と誤差関数に基づく変換関数 B(t) は、遠隔で遅れを伴うセンサデータから真のホットスポット温度を的確に再構築している。
• 提案手法により、電力測定における温度に起因するバイアスが効果的に除去され、再現可能で温度に依存しないベンチマークテストが可能になった。
• 温度センサとCPUホットスポットとの距離が、測定された温度/消費電力曲線の形状に顕著な影響を与えることが判明しており、センサ配置の重要性が強調されている。