Page 51 - 陽明交大電機學院院刊

IEEE Transactions on Very Large Scale Integration (VLSI)
Systems (2023)
Adaptive Machine Learning-based
Proactive Thermal Management for NoC Systems

電子研究所 陳坤志 副教授（第一作者、通訊作者）

兩個問題，本研究提出一種自適性的神經網路
當獲取多核心晶片的溫度分布後，所使用
(adaptive neutal network)技術來進行溫度預測，
的溫度管理機制就會根據溫度資訊來進行相
透過比較每次溫度預測以及實際溫度感測結
對應的溫度管理。為了達到有效的溫度管理，
果的誤差，來修正溫度預測的準確定。另一方
目前常見的做法是透過溫度預測機制來提早
面，我們 也透 過強 化式學習 (reinforcement
控制多核心系統上的工作頻率，然而目前的溫
learning)的方式來同時考量系統效能以及系統
度預測機制大多會仰賴某些物理參數，而這些
溫度控制力道的拿捏，進而達到在某個溫度極
物理參數往往是會隨著晶片溫度改變而會有
限下的系統效能最大化。本研究為全世界第一
所變動，所以會造成溫度預測的準確度不足。
篇首度應用自適性神經網路以及強化式學習
另一方面，目前大多控制工作頻率的方式都屬
技術來進行溫度預測以及管理的技術，而其國
於固定式的控制方式，意即使用固定的節流比
際研討會版本也是國內首度在 IEEE ISCAS 旗
率來進行工作頻率控制。如此一來，便會造成
艦會議上獲得最佳學生論文獎的論文。
系統效能無法有效提升的問題。為了解決上述

IEEE Solid-State Circuits Letters (2023)
A New SRAM-Embedded Pixel Circuit
That Modulates Accurately Gray Level
for PWM-Driven Micro-LED Displays

電控工程研究所 趙昌博 講座教授（共同作者）

by efficient switching of its in-pixel static random
A new analog pulse width modulation (A-
access memory (SRAM). Varied gray levels are
PWM) pixel circuit is proposed for micro light-
realized successfully with the integral of a
emitting diode (micro-LED) displays, which
constant current over corresponding designated
improves the accuracy of modulating gray level
duty for target gray.

50