Hardware performance counter and AI based Cross architecture performance estimation

La simulación de SW resulta esencial en muchos contextos en los que no se dispone de la plataforma HW definitiva. Retrasar el desarrollo hasta que esté disponible puede conllevar retrasos inasumibles. Incluso disponiendo de la plataforma ejecutiva, la depuración de código en arquitecturas heterogéneas puede ser más difícil sobre la plataforma HW que sobre un modelo virtual. La simulación cross-compilada permite simular eficientemente y con suficiente precisión sistemas heterogéneos complejos. Recientemente, se ha demostrado la efectividad de los registros de prestaciones del procesador anfitrión en la estimación de prestaciones de un procesador destino de distinta arquitectura ISA. En estos trabajos, la estimación es estática, después de la ejecución del código y, por tanto, no es aplicable a la simulación. En este Proyecto se pretende aprovechar la información en los registros de prestaciones para la estimación dinámica, en tiempo de simulación de las prestaciones en la plataforma destino. En el trabajo original se utilizaba regresión (LASSO) sin consideración por el tiempo de inferencia. Este proyecto explorará la precisión y rendimiento de inferencia, de redes neuronales ejecutadas co-procesadores GPU y FPGA así como su aplicabilidad en el ámbito de la simulación.Máster en Ciencia de Dato