CIFellows 멘토, 마이클 카빈 NSF의 일환으로 "불확실한 계산 프로그래밍"에 대한 강의를 진행하고 있습니다. CISE 특강 시리즈. 강의는 23월 11일 오전 12시부터 오후 30시 2020분까지 온라인으로 진행됩니다. Carbin은 XNUMX년 CIFellows 멘토였습니다. 이딩 매사추세츠 공과대학에서.
대화 초록: 컴퓨터 시스템은 새로운 애플리케이션과 하드웨어 플랫폼에서 우리의 소프트웨어 시스템이 본질적으로 불확실한 객체를 모델링하고 계산해야 한다는 점에서 실행 환경의 불확실성이 있는 상태에서 점점 더 작동해야 합니다. 이러한 현실은 이러한 시스템을 해석, 디버그, 검증, 확인 및 최적화하는 방법에 대한 많은 새로운 질문을 제시합니다.
이러한 시스템의 예시로 현대 컴퓨터 프로세서의 신경 상징적 행동 모델을 학습하는 기술인 DiffTune을 제시하겠습니다. 프로세서 동작 모델은 많은 컴퓨터 시스템 엔지니어링 작업에 중요하지만 최신 프로세서를 검사하는 능력의 한계로 인해 이러한 모델은 동작 측정에서 유추해야 합니다. 우리 시스템은 딥 러닝을 활용하여 CPU 시뮬레이터의 차별화 가능한 대리 최적화를 수행하여 최신 Intel CPU에서 실행되는 프로그램의 성능을 LLVM의 최첨단 수작업 기술보다 더 잘 예측하는 모델을 생성합니다.
이러한 결과에 따라 이 시스템이 현대의 불확실한 계산을 개발하는 데 있어 많은 문제를 제시하는 방법과 이러한 문제를 새로운 프로그램 시맨틱, 최적화 및 불확실한 계산에 대한 분석에 대한 내 작업에 연결하는 방법을 설명합니다.
바이오 : Michael Carbin은 Massachusetts Institute of Technology의 전기 공학 및 컴퓨터 과학 부교수입니다. MIT에서 프로그래밍 시스템 그룹을 이끌고 있습니다. 그의 작업의 일반적인 목표에는 프로그래밍 언어의 기술을 사용하여 컴퓨터 시스템의 안정성, 성능, 에너지 소비 및 복원력 향상이 포함됩니다.
Michael은 NSF CAREER Award, Sloan Foundation Research Fellowship, MIT Frank E. Perkins Award for Excellence in Graduate Advising을 수상했습니다. 그의 작품은 OOPSLA, ICLR 및 ICFP에서 최고의 논문상을 받았습니다. 그의 연구는 또한 CACM Research Highlight를 받았습니다.
Michael은 2006년 Stanford University에서 컴퓨터 과학 학사 학위를 받았으며 SM 및 박사 학위를 받았습니다. Massachusetts Institute of Technology에서 각각 2009년과 2015년에 전기 공학 및 컴퓨터 과학 학사 학위를 받았습니다. Michael은 또한 Microsoft Research의 연구원으로 2014년부터 2018년까지 딥 러닝 시스템을 연구했습니다.
웨비나에 등록할 수 있습니다. 여기에서 지금 확인해 보세요..
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 출처: https://feeds.feedblitz.com/~/730199510/0/cccblog~NSF-CISE-Distinguished-Lecture-Series-Programming-Uncertain-Computations-by-Michael-Carbin/
