Multicriteria-exploratie van de compileroptimalisatieruimte.

Hedendaagse compilers implementeren een zeer brede waaier aan codetransformaties die op een complexe manier op elkaar inwerken. Dit bemoeilijkt de optimalisatie van de compiler omdat het moeilijk in te schatten is wat het effect zal zijn van het doorvoeren van een opeenvolging van codetransformaties. De kern van het probleem is dat verschillende codetransformaties een verschillende en soms tegenovergestelde impact hebben op verschillende kostfuncties zoals prestatie, vermogen- en energieverbruik, geheugenverbruik, enz. De oplossing voor dit probleem bestaat erin de optimalisatie van de compiler te beschouwen als een multicriteria-optimalisatieprobleem, in tegenstelling tot eerder werk dat gebruik maakt van heuristieken of unicriteria-optimalisatie. In het kader van dit onderzoeksproject wensen we het simultaan exploreren van meerdere criteria van de compileroptimalisatieruimte te versnellen. We zullen dit verwezenlijken via scenariogebaseerde exploratie en modelgestuurde zoekalgoritmen. Dit zal leiden tot een vermoedelijke versnelling van minstens twee grootteordes. We wensen dit probleem te bestuderen in de context van zowel statische als dynamische compilers (virtuele machines). Voor de uitvoering van dit project brengen we expertise samen uit drie onderzoeksgroepen in compilers en virtuele machines (UGent), machine learning (KULeuven) en scenariogebaseerde optimalisatie (IMEC).

Trefwoorden:Compiler optimization, Machine learning, Multi-objective optimization, Data mining

Disciplines:Computer hardware, Computertheorie, Scientific computing, Andere computer ingenieurswetenschappen, informatietechnologie en mathematische ingenieurswetenschappen, Toegepaste wiskunde, Computerarchitectuur en -netwerken, Distributed computing, Informatiewetenschappen, Informatiesystemen, Programmeertalen, Theoretische informatica, Visual computing, Andere informatie- en computerwetenschappen