본 논문은 현대 CPU의 복잡성 증가로 인해 어려워진 디자인 공간 탐색(DSE) 문제를 해결하기 위해 AttentionDSE를 제안합니다. AttentionDSE는 어텐션 메커니즘을 활용하여 마이크로아키텍처 파라미터와 예측 성능 간의 직접적인 매핑을 구축하여 성능 모델의 예측 정확도와 해석 가능성을 향상시킵니다. 동적으로 조정되는 가중치를 통해 디자인 변경에 효과적으로 대응하고 성능 병목 현상을 유발하는 주요 마이크로아키텍처 파라미터/구성 요소를 정확하게 파악합니다. 결과적으로 AttentionDSE는 정확하고, 목적에 맞게, 빠르게 최적의 디자인을 찾아냅니다. SPEC 2017 실험 결과, 기존 최첨단 DSE 프레임워크에 비해 탐색 시간을 80% 이상 단축하고 Pareto Hypervolume을 3.9% 향상시키는 동시에 파라미터 수 증가에도 우수한 예측 정확도와 효율성을 유지함을 보여줍니다.
