하이브리드 재구성 플랫폼을 위한 효율적 파티셔닝 기법

초록

본 논문에서는 다양한 입자 규모를 갖는 재구성 가능한 하드웨어 블록에 계산 집약적 애플리케이션을 파티셔닝하고 매핑하기 위한 방법론을 제시한다. 범용 하이브리드 재구성 아키텍처를 가정함으로써 본 방법론이 다수의 이종 재구성 플랫폼에 적용될 수 있도록 설계하였다. 방법론은 크게 두 단계, 즉 애플리케이션을 미세 입자와 거친 입자 하드웨어 자원에 각각 분석·매핑하는 단계로 구성된다. 분석·파티셔닝·매핑 도구를 포함하는 프로토타입 프레임워크를 구현하였다. 거친 입자 재구성 하드웨어에는 기존에 개발한 고성능 거친 입자 데이터패스를 활용하였다. 본 방법론을 실제 OFDM 송신기와 JPEG 인코더 두 응용 프로그램에 적용하여 검증하였다. OFDM 송신기의 경우, 전부를 미세 입자에 매핑한 경우에 비해 최대 82%의 클록 사이클 감소를 달성했으며, JPEG 인코더에서는 43%의 성능 향상을 얻었다.

상세 요약

본 연구는 현재 이종 재구성 시스템이 직면한 핵심 과제인 ‘어디에 어떤 입자 규모의 하드웨어를 배치할 것인가’에 대한 체계적인 해법을 제시한다. 먼저, 저자들은 재구성 가능한 하드웨어를 미세 입자(Fine‑grain)와 거친 입자(Coarse‑grain) 두 계층으로 구분하고, 각각의 특성을 정량적으로 평가할 수 있는 분석 모델을 구축하였다. 미세 입자는 높은 유연성과 짧은 설계 주기를 제공하지만, 자원 효율성 및 실행 속도 면에서 한계가 있다. 반면 거친 입자는 대규모 연산을 고속으로 처리할 수 있으나, 설계 복잡도와 재구성 시간 등이 증가한다. 이러한 트레이드오프를 고려하여, 저자들은 애플리케이션의 데이터 흐름과 연산 집약도를 기반으로 자동 파티셔닝을 수행하는 알고리즘을 설계하였다. 파티셔닝 단계에서는 각 연산 블록을 프로파일링하여 실행 빈도, 메모리 접근 패턴, 연산 복잡도 등을 추출하고, 이를 바탕으로 미세·거친 입자에 할당할 후보 집합을 생성한다. 이후 매핑 단계에서는 후보 집합을 최적화 문제로 정의하고, 제한된 하드웨어 자원(예: LUT, DSP, BRAM)과 목표 성능(클록 사이클 감소, 전력 소비) 사이의 균형을 맞추는 휴리스틱을 적용한다.

프로토타입 프레임워크는 기존의 고성능 거친 입자 데이터패스와 연동되도록 설계되었으며, 이는 기존 설계 흐름을 크게 변경하지 않고도 새로운 파티셔닝 방법을 적용할 수 있게 한다. 실험 결과는 두 가지 실제 응용 프로그램에 대해 의미 있는 성능 향상을 입증한다. OFDM 송신기의 경우, 전통적인 전부 미세 입자 매핑 대비 최대 82%의 클록 사이클 감소를 달성했으며, 이는 실시간 통신 시스템에서 대역폭과 지연을 크게 개선할 수 있음을 시사한다. JPEG 인코더에서도 43%의 사이클 감소가 관측되었는데, 이는 이미지 압축과 같은 데이터 중심 작업에서도 거친 입자 활용이 유효함을 보여준다.

이러한 결과는 하이브리드 재구성 플랫폼이 제공하는 이종 자원을 효과적으로 활용함으로써, 설계자들이 애플리케이션 특성에 맞는 최적의 하드웨어 구성을 자동으로 도출할 수 있음을 의미한다. 향후 연구에서는 파티셔닝 알고리즘에 머신러닝 기반 예측 모델을 도입하거나, 전력·열 관리와 같은 비기능적 요구사항을 동시에 고려하는 다목표 최적화 프레임워크로 확장할 여지가 있다.