利用大语言模型实现并行科学代码的能耗感知自动重构
人工智能
2026-05-12 v3 分布式、并行与集群计算
编程语言
软件工程
摘要
大语言模型 (LLMs) 越来越多地被用于生成并行科学计算代码，其主要关注点是生成功能正确的代码。近期的工作侧重于生成高性能代码，尤其关注其执行时间。然而，鉴于大规模计算系统的巨大功耗需求，能效现已被视为一个关键目标。本文探讨了 LLMs 能否在经验性执行反馈的引导下生成高能效的并行科学计算代码这一研究问题。为回答此问题，我们提出了 LASSI-EE，一个基于 LLM 的自动化重构框架，通过集成运行时功耗分析、能耗感知提示、自校正反馈循环以及一个用于筛选生成代码的“LLM 作为评判者”智能体的多阶段迭代方法，来生成高能效的并行代码。我们在 NVIDIA A100 和 AMD MI100 GPU 上使用 22 个代表性科学基准测试和应用对 LASSI-EE 进行了评估。结果表明，在产生通过测试的降能耗重构的试验中，MI100 的平均能耗降低了 36%，A100 降低了 34%。
引用
@article{arxiv.2505.02184,
title = {Leveraging LLMs to Automate Energy-Aware Refactoring of Parallel Scientific Codes},
author = {Matthew T. Dearing and Yiheng Tao and Xingfu Wu and Zhiling Lan and Valerie Taylor},
journal= {arXiv preprint arXiv:2505.02184},
year = {2026}
}
备注
12 pages, 5 figures, version under review at a peer-reviewed conference