상용 DRAM 기반 PIM의 시스템 레벨 발열 모델링

Q: 이 논문에서 정의한 시스템 레벨 발열 모델링이란 무엇인가?

시스템 레벨 발열 모델링은 상용 PIM의 동작 중 발열 양상을 예측하기 위해 RC 발열 모델을 사용하는 발열 시뮬레이터인 HotSpot을 활용하여 PIM의 디자인 정보와 구성 물질의 열물성을 기반으로 구축된 모델이다. 이 모델은 실측 온도를 통해 파라미터를 보정하여 정확도를 높인다.

Q: 상용 DRAM 기반 PIM의 발열 모델 정확도를 높이는 핵심 요인은 무엇인가?

연구 결과, 상용 DRAM 기반 PIM의 발열 모델 정확도를 높이는 핵심 요인은 실측 on-chip 온도와 시뮬레이션 온도를 비교 및 분석하여 모델 파라미터를 보정하는 것이다. 특히, TIM의 열전도율을 실측 환경에 맞춰 조정함으로써 시뮬레이션 온도의 오차를 1.8℃ 이내로 줄일 수 있었다.

박건희; 정성우

추천

검색

질문

자료유형: 학술대회자료

저자정보: 박건희 (고려대학교) 정성우 (고려대학교)

저널정보: 대한전자공학회 대한전자공학회 학술대회 2024년도 대한전자공학회 하계학술대회 논문집

발행연도: 2024.6

수록면: 16 - 20 (5page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Recently, with the development of AI, memory-intensive operations increase on a computer system and cause memory bottleneck. To address this challenge, a DRAM-based processing-in-memory (PIM) has been proposed. However, in contrast to conventional DRAM, the PIM exhibits higher power consumption compared to the additional computational logic area, leading to thermal problems. To prevent these thermal problems, we should consider mitigation methods by predicting and analyzing the temperature of the PIM from the early design stage. In this work, for the first time, we measure the operating temperature of a commodity PIM, then analyze its thermal behavior. In addition, we construct a system-level thermal model of a commodity DRAM-based PIM, known as the GDDR6-based accelerator-in-memory (GDDR6-AiM). Furthermore, we calibrate the model parameter by comparing and analyzing the measured on-chip temperature. Our evaluation results show that the calibrated thermal model reduces the error between the predicted steadystate temperature and the measured steady-state temperature from 11.1℃ to 1.8℃.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)