TurnRL
RL-gestütztes adaptives Routing mit Abbiegebeschränkungen für Chiplet-Systeme (ICCAD 2026)
Betreuer: Prof. Nathaniel Bleier und Prof. Ronald Dreslinski, University of Michigan · 2024/09 – 2025/11
- Schnelle Algorithmen zum Hinzufügen erlaubter Abbiegungen (Turns) sowie Baselines für beliebige Topologien und Verkehrsmuster entwickelt.
- Deep Q-Learning mit einem GNN eingesetzt, um optimale Turn-Mengen für unterschiedliche Verkehrsmuster zu lernen; Evaluierung mit gem5 Garnet und PARSEC-Workloads.
- Die Sättigungs-Injektionsrate auf HexaMesh- und MI300A-ähnlichen Topologien um 35,9 % bzw. 33,3 % verbessert sowie Warteschlangen- und End-to-End-Latenz bei überlasteten NAS-NPB-Workloads um 20,1 % bzw. 8,8 % reduziert.
Publikation: TurnRL: Reinforcement-Learning Driven Turn-Restricted Adaptive Routing for Chiplet-Based System (ICCAD 2026, Erstautor).