ArchAgent v2、エージェント進化で3層プリフェッチャを設計、DPC4シミュレーション性能で人間設計の王者をわずかに上回る

Google、Google DeepMind、カリフォルニア大学バークレー校の研究者らは、LLM駆動のプログラム進化を3層のキャッシュプリフェッチャへ拡張したArchAgent v2を発表した。L1D、L2、LLCを同時に直接探索すると、ある層の改善が別の層を損なう可能性のある非単調な組み合わせ空間が生じ、ChampSimによる1回の評価には最長で12時間以上かかる。そこで新フレームワークは、まずL1Dを進化させて固定し、その後L2、LLCを順番に処理し、最後に層間およびマルチコアの共同最適化を解禁する。

もう一つの重要な変更は、ハードウェア実装可能性をフィードバックに組み込んだことだ。候補プログラムは`prefetcher_size()`も同期して維持する必要があり、コンパイルおよびシミュレーション段階では、L1Dが32KB、L2が128KB、LLCが256KBという状態容量の予算をチェックする。予算を超えた設計案には直ちに負のフィードバックが与えられる。最終設計の使用量はそれぞれ31.1KB、110.0KB、230.3KBで、ページ境界をまたぐstride／delta追跡、RLアービタ、メモリ帯域幅に応じて調整するスロットリング機構も採用した。

DPC4と同一のルールおよびホールドアウトしたテストトレースを用いた評価で、著者らはベースライン比で幾何平均IPCが3.8％向上し、人間設計の王者BertiGOを0.3％上回ったと報告している。低帯域幅のシングルコア環境では4.6％の向上を示し、BertiGOの2.6％を上回った。この結果は、エージェントが実装不能な高水準アルゴリズムを生成するだけでなく、厳格なシミュレータと容量制約の下でマイクロアーキテクチャを探索できることを示している。

ただし、成果には明確な限界もある。探索には約2カ月を要し、マルチコアでの効果は限定的で、容量計算には最終的に人手によるレビューが必要だった。また、ChampSimのIPCとストレージ使用量は、RTL、タイミング、面積、消費電力、実プロセスでの検証を代替できない。今後は、生成戦略が公開されるか、また異なるトレースデータや合成フローでも性能向上を再現できるかが注目される。