BriefGPT - AI 论文速递
·
AUTOPARLLM: 使用大型语言模型的 GNN 引导自动代码并行化
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种名为Graph2Par的基于图的学习方法，利用了一种包含丰富信息的增强抽象语法树表示形式，并在OpenMP中主要关注循环级别并行化。该方法可以以85％的准确度检测出可并行化的代码区域，并且优于基于状态的Token的机器学习方法。
🎯
关键要点
-
研究提出了一种基于图的学习方法Graph2Par。
-
Graph2Par利用异构增强抽象语法树（Augmented-AST）表示形式。
-
该方法主要关注OpenMP中的循环级别并行化。
-
创造了一个包含18598个可并行化和13972个非可并行化循环的OMP_Serial数据集用于训练。
-
研究结果显示，该方法以85%的准确度检测可并行化的代码区域。
-
Graph2Par优于基于状态的Token的机器学习方法。
-
该方法与最先进的工具具有竞争力，能够处理复杂结构的循环。
➡️
