الملخص

تعتمد الأحمال الحديثة للذكاء الاصطناعي بشكل كبير على نوى حسابية مُحسَّنة لكل من التدريب والاستنتاج. تتبع هذه النوى النمط المُعرّف جيدًا لتدفق البيانات، مثل نقل المربعات (tiles) بين ذاكرة DRAM وذاكرة SRAM، وإجراء سلسلة من العمليات الحسابية عليها. ومع ذلك، لا يزال كتابة النوى عالية الأداء معقدة، رغم وضوح هذه الأنماط. وتحقيق الأداء القصوى يتطلب تحسينات دقيقة موجهة نحو المعدات للاستفادة الكاملة من المسرّعات الحديثة. وعلى الرغم من جهود المترجمات المخصصة للمجال لتقليل العبء المُترتب على كتابة النوى عالية الأداء، إلا أنها غالبًا ما تواجه فجوات في سهولة الاستخدام والقدرة على التعبير. في هذا البحث، نقدّم TileLang، وهو نموذج برمجي معمم مبني على التقسيم إلى مربعات (tiled) لتحسين كفاءة برمجة نوى الذكاء الاصطناعي. يفصل TileLang بين فضاء التخطيط (ربط الخيوط، الترتيب، التحويل إلى مصفوفات، والتدفق المُتسلسل) وتدفق البيانات، ويُغلفهما كمجموعة من التعليقات التخصيصية والبنى الأساسية. يتيح هذا النهج للمستخدمين التركيز على تدفق البيانات نفسه في النواة، بينما يُترك معظم التحسينات الأخرى للمترجمات. أجرينا تجارب شاملة على أجهزة شائعة الاستخدام، وعبر عدد كبير من التجارب، أظهرت نتائج تقييمنا أن TileLang يمكنه تحقيق أداءً من الدرجة الأولى في النوى الأساسية، مما يدل على أن نموذجه الموحّد للبلوك والخيوط وقدرته الشفافة في التخطيط تُقدّمان القوة والمرونة المطلوبة في تطوير الأنظمة الحديثة للذكاء الاصطناعي.