基于热特性分析的多核微处理器温度监控方法的研究

Exponentially increasing power densities due to ever increasing demand for microprocessor performance has resulted in high on-chip temperature. In recent years, high-performance processors employ dynamic thermal management (DTM) techniques which use a set of on-chip thermal sensors that continuously monitor temperatures at a few selected die locations during the runtime. DTM generally utilizes thermal characterization analysis to estimate the hot spot temperature information. The lower accuracy of hot spot temperature estimation can lead to a higher probability of false alarms and unnecessary responses. This research project is planning to do some thorough research works on the new types of temperature monitoring methods based on thermal characterization analysis, and the main contents include: (1) Thermal sensor allocation methods and placement strategies considering the factor of actual monitoring range are investigated to accurately estimate the hot spot temperature and then achieve local temperature monitoring. (2) Fast and accurate algorithms of thermal reconstruction are investigated to achieve real-time global temperature monitoring. (3) Effective methods for predicting the actual temperature for a given thermal sensor reading which has been corrupted by noise are investigated to systematically analyze noise error on the influence of false alarm rates of hot spots in local and global temperature monitoring, respectively. Preliminary research has been conducted to demonstrate the feasibility of the proposal. In terms of foundational and universal property, the prospective achievements from this research would be of great significance both in theory and in engineering applications.

随着微处理器性能需求的增加，功率密度呈指数级增长，导致芯片温度不断升高。近年来，高性能处理器普遍集成热传感器，采用动态热管理技术对芯片实施连续热监控。动态热管理通过热特性分析估计热点温度信息，不精确的热点温度估计会导致错误的预警和不必要的响应。本项目拟在热特性分析的基础上，对一些新型温度监控方法进行深入研究，主要内容包括：（1）研究考虑实际监控范围因素的热传感器数量分配方法和位置分布策略，进行精确热点温度估计，进而实现局部监控；（2）研究快速、精确的热重构算法，进行实时全局监控；（3）研究预测含噪热传感器真实温度的有效方法，并在局部监控和全局监控中系统分析噪声误差对热点误警率的影响。这些研究内容已在项目申请的预先研究中进行过初步方案论证，其可行性得到了确认。由于研究内容的基础性和通用性，研究成果具有重要理论意义和实用工程应用价值。

围绕多核微处理器动态热管理前端的应用需求，本项目在芯片热特性建模和分析的基础上，对一些新型温度监控方法进行了深入系统的研究，探索了热传感器数量分配方法、位置分布策略、芯片热重构算法以及热传感器温度读数估计方案等关键技术问题。具体研究要点包括：①提出了一种基于主成分分析的热传感器放置和热重构方法，能够在很大程度上减小噪声的影响，降低热点的误警率以及提高热重构的性能；②提出了一种基于过热检测的热传感器放置方法，能够以一个近似线性的时间复杂度，使热点检测性能得到有效提升；③提出了一种基于双重聚类的热传感器数量分配方法，能够保证在给定的最大热点温度误差范围内，使用最少数量的热传感器监控所有热点温度；④提出了一种基于卷积神经网络的非均匀采样热重构方法，能够显著提高热重构的性能，并且所有基准测试程序的均方根误差和最大误差会分别被限制在0.2°C和2°C以内；⑤提出了一种基于卡尔曼滤波的热传感器温度校正方法，能够在提高校正精度的同时，实现热传感器的在线温度估计；⑥设计了一套较完善的可透红外光谱的油冷散热系统，并使用红外热成像技术，对真实多核微处理器进行动态温度提取，进而为验证片上温度监控方法的性能，构建了较可靠的样本温度数据。.在国家自然科学基金的支持和资助下，本项目研究进展顺利，圆满完成了研究计划。发表标识资助的论文共计7 篇，其中SCI收录论文3 篇，包括1篇SCI三区期刊（Sensors）论文、2篇SCI四区期刊（IET Circuits, Devices & Systems）论文，国内期刊发表并被EI收录论文2篇，EI 收录国内会议（43rd Annual Conference of the IEEE Industrial Electronics Society）论文1 篇，EI 收录国际会议（2018 IEEE International Symposium on Circuits and Systems）论文1 篇。协助培养博士研究生2人、硕士研究生5人。本项目很好地完成了的各项预期成果，研究得出的结论和设计方法具有良好的理论意义与实际应用价值。