प्रोसेसर में हार्डवेयर प्रीफेचिंग, कैश मिस लेटेंसी को छिपाने के लिए एक प्रभावी समाधान के रूप में, उभरते अनुप्रयोगों के व्यवहार के अनुसार फिर से डिजाइन करने की आवश्यकता है। पारंपरिक प्रीफेचर्स पूर्व-निर्धारित पैटर्न की भविष्यवाणी करने की कोशिश करते हैं लेकिन सरल पहचाने जाने योग्य पैटर्न के मिश्रण को प्रीफेच करने में असफल रहते हैं, जैसे कि न्यूरल नेटवर्क में संवहन ऑपरेशन का एक्सेस पैटर्न, या कार्यभार व्यवहार में रैंडमनेस। इस पत्र में, हम नए मेमोरी एक्सेस पैटर्न को उजागर और परिभाषित करते हैं और एक प्रीफेचर का प्रस्ताव करते हैं जो उन्हें पहचानने में सक्षम है, इसके साथ ही मौजूदा प्रीफेचर्स द्वारा L2 कैश में पहचानने योग्य सभी पैटर्न पहचानने की क्षमता भी है। प्रस्तावित योजना, जिसका नाम लर्निंग-बेस्ड एडाप्टिव मल्टी-ऑब्जेक्टिव प्रीफेचर (LAMP) है, केवल इंट्रा-पेज पैटर्न का समर्थन नहीं करता है बल्कि इसे अपनी विशिष्ट विशेषता के रूप में इंटर-पेज पैटर्न का भी पता लगाता है। यह एक पृष्ठ से दूसरे पृष्ठ में पैटर्न का अनुमान लगाने में भी सक्षम है, उनके बीच संबंधों को पहचानकर, क्रॉस-पेज प्रीफेचिंग की पेशकश करते हुए। दूसरी विशेषता सीमित मेमोरी क्षेत्र में यादृच्छिक एक्सेस का पता लगाने के साथ-साथ मेमोरी पता पथ के असामान्यTraversal की पहचान करना है। LAMP तीन ब्लॉक एक्सेस में पैटर्न सीखता है, न्यूनतम लर्निंग समय की पेशकश करते हुए प्रीफेचिंग के अवसरों को नहीं चूकता। यह प्रीफेचिंग के परिवर्तनीय मापदंडों और निर्णयों को अनुकूलित करता है ताकि एक छोटे ट्यून करने योग्य लर्निंग-बेस्ड इंजन के माध्यम से दक्षता को अधिकतम किया जा सके। सटीकता और कवरेज के बीच का व्यापार संतुलन LAMP तंत्र के साथ समायोजित किया जा सकता है, जो (स्वचालित रूप से) प्रीफेच आक्रामकता और गहराई को समायोजित कर सकता है। मूल्यांकन दर्शाता है कि प्रस्तावित दृष्टिकोण मौजूदा अत्याधुनिक विधियों को पार करता है, उत्कृष्ट कवरेज और सटीकता प्राप्त करता है। बेसलाइन के सापेक्ष, यह SPEC CPU2017, GAP, और CloudSuite बेंचमार्क सूट्स पर क्रमशः 17.3%, 27.0%, और 7.6% से प्रदर्शन में सुधार करता है। इसके अतिरिक्त, यह योजना कैश ऊर्जा खपत को 43% से अधिक प्रभावहीन प्रीफेचिंग अनुरोधों के अनुपात को 26% से कम करके कम करती है, जबकि काफी कम हार्डवेयर ओवरहेड का सामना करती है।
चेशमीखानी एट अल। (गुरुवार,) ने इस प्रश्न का अध्ययन किया।