面向嵌入式系统设计的可解释人工智能：静态冗余 NVM 内存写入预测案例研究

本文研究了可解释人工智能 (XAI) 在基于机器学习 (ML) 的嵌入式系统设计中的应用。作为一个案例研究，它解决了静态静默存储预测这一具有挑战性的问题。这涉及仅基于静态程序特征来识别冗余内存写入。消除此类存储可以通过减少内存访问和总线流量来提高性能和能源效率，特别是在新兴非易失性存储器技术存在的情况下。为此，我们提出了一种方法论，包括：1) 开发用于解释静默存储预测的相关 ML 模型，以及 2) 应用 XAI 来解释这些模型。我们采用两种最先进的模型无关 XAI 方法来分析静默存储的成因。通过案例研究，我们评估了这些方法的有效性。我们发现这些方法为静默存储预测提供了与先前研究中已知的静默存储发生原因一致的解释。通常，这使我们能够确认在向内存写入零常数的操作中静默存储的普遍存在，或者在涉及循环归纳变量的操作中静默存储的缺失。这表明 XAI 在分析嵌入式系统设计中 ML 模型决策方面的潜在相关性。从案例研究中，我们分享了一些遇到的宝贵见解和陷阱。更广泛地说，本研究旨在为新兴的面向嵌入式系统设计的 XAI 领域的未来研究奠定基础。