要旨：AIアクセラレータのアーキテクチャがますます多様化する中、異なるアーキテクチャを統一されたシステムに統合することが、新たな異種コンピューティングのパラダイムとして浮上している。GPUとWSEは計算、メモリ、通信の組織形態において大きく異なり、これによりアーキテクチャ間の相補性が生まれると同時に追加のオーバヘッドも生じるが、この異種性をいかにして実用的な性能向上へと結びつけるかは依然として不明である。このギャップを解消するため、我々はGPU–WSEの異種実行特性および相補性を活用するための条件を評価する階層的ベンチマーク手法を提案するとともに、異種性がボトルネックとなる場合とシステムレベルで性能向上をもたらす場合を特定する解析的性能モデルを提示する。
主題分類：分散・並列・クラスタコンピューティング（cs.DC）；ハードウェアアーキテクチャ（cs.AR） 引用形式：arXiv:2610.39222 [cs.DC] | （または
arXiv:2610.39222v1 [cs.DC] このバージョン） | https://doi.org/10.48550/arXiv.2610.39222
詳しく学ぶためにフォーカス
DataCite経由のarXiv発行DOI
投稿履歴
論文へのアクセス：
PDFを表示
HTML（実験的）
TeXソース
追加機能
音声要約
現在の閲覧コンテキスト：
参考文献・引用
Google Scholar
Semantic Scholar
ブックマーク
機関
arXivLabsは、共同作業者が当社のウェブサイト上で新しいarXiv機能を直接開発・共有できるフレームワークです。
arXivLabsを利用する個人および組織は、オープン性、コミュニティ、卓越性、そしてユーザーデータのプライバシーという当社の価値観を積極的に受け入れ、尊重しています。arXivはこれらの価値観に固くコミットしており、それらを遵守するパートナーのみと協力しています。
arXivのコミュニティに価値をもたらすプロジェクトのアイデアをお持ちですか？arXivLabsについて詳しくご覧ください。