神经网络可预测Galaxy S7中Exynos芯片的内部

14纳米FinFET Exynos 8890芯片系统

昨天，在加利福尼亚举行的微电子热芯片专业会议上，三星工程师首次展示了可在S7和S7 Edge智能手机上使用的神秘M1处理器内核（代号Mongoose）的图纸。

这些Android智能手机的国际版本具有14纳米FinFET Exynos 8890芯片系统，具有四个标准ARM Cortex-A53内核（1.6 GHz）和四个专有的M1内核，其工作频率分别为2.3 GHz和2.6 GHz的

美国的开发团队从零叁几年发展起来的M1 对自己的项目。在基准测试中，Exynos 8890在单核性能上不如iPhone 6S A9芯片，但在多核任务方面胜出。


核心计划M1。图像：三星

M1内核的组件之一是内置的分支预测器，它预测是否将在可执行程序中执行条件分支。分支的预测通过预加载和执行在条件分支指令执行后必须执行的指令来减少流水线停机时间。分支预测至关重要，因为它可以优化利用处理器计算资源。

通过分支预测器进行分支预测是处理器中相当标准的功能。在第一个SPARC和MIPS处理器中，当始终将有条件分支指令之后的指令始终加载到管线中时，便使用了一种原始的静态分支预测方法。现代处理器实现了动态过渡预测的更高级方法：

• 分析过渡的总体历史（双峰计数器，自适应二级预测器，全局过渡预测）；
  
  
• 分析每个条件转换的自身转换历史（局部转换预测）；
  
  
• 混合预测器，它选择最成功的预测器的结果，包括周期的预测器；
  
  
• 可以有两个以上分支的间接分支的预测变量。

因此，事实证明，在M1内核中，三星工程师使用神经网络实现了分支预测。这是一种相对新型的转变预测器。Lucian Vintan教授于1999年首次提出将其用于理论工作（科学文章“ 迈向高性能神经分支预测器 ”）。两年后，开发了第一个感知器转变预测器，该预测器理论上可以在硬件中实现（科学文章“ 基于快速路径的神经分支预测 ”，作者-美国罗格斯大学的Daniel A.Jiménez教授）。

神经网络上的预测器的主要优点是，随着对过渡历史的分析的增加，资源呈线性增加（在经典预测器中，资源消耗随历史的增长呈指数增长）。因此，神经网络上的预测器更有效。与混合预测变量Scott McFarling相比，Daniel Jimenez的工作已经有了第一个神经网络，效率提高了5.7％。

在随后的几年中，同样的Daniel Jimenez和其他研究人员致力于消除过渡预测变量的缺点，包括计算中的大量延迟。

研究人员在冠军分会预测中为转变预测因子提供最新思路，最后一次会议于2016年6月在首尔举行的ISCA 2016计算机体系结构研讨会上举行。

尽管在这一领域进行了广泛的科学研究，但到目前为止，还没有关于实现感知器过渡预测器的质量处理器的信息。 S7和S7 Edge智能手机中具有M1内核的FinFET Exynos 8890并不是第一个这样的处理器。仅三星和其他公司的开发人员会将信息保密，这是可以理解的。转换预测器是半导体行业中最保密的秘密之一。制造商通常甚至没有专利它们的过渡预测因子，以免给竞争对手一个秘密，也因为鉴于现代专有处理器的复杂逻辑，那时将很难证明专利侵权的事实。


三星在Hot Chips会议上的演讲幻灯片。它描述了使用神经网络的过渡预测器模块。图片：三星

三星是第一家正式宣布在其转换预测器中使用神经网络的公司。微电子行业的专家说在AMD芯片的Jaguar和Bobcat预测器中似乎使用了类似的技术。毫不奇怪，三星现任三星副总裁兼处理器开发总监，得克萨斯州奥斯汀市三星研究中心负责人布拉德·伯吉斯（Brad Burgess）此前曾领导AMD的Bobcat微体系结构项目。

英特尔和AMD可能正在台式机和服务器处理器中悄悄使用感知器预测器。如前所述，此信息是保密的，甚至没有专利。

三星是第一个打破沉默的誓言的人。也许Exynos微体系结构的开发人员只是决定吹牛。

Source: https://habr.com/ru/post/zh-CN397075/