본 논문은 소프트웨어의 시간에 따라 변하는 확률적 계산 자원 사용량을 그래프 구조의 슈뢰딩거 브리지 문제로 학습하는 방법을 제안합니다. CPU 명령어 수나 최종 캐시 요청 수와 같은 자원은 시간에 따라 변하고 통계적으로 상관관계가 있기 때문에 데이터로부터 계산 자원 사용량을 학습하는 것은 어려운 과제입니다. 제안된 방법은 측정된 프로필 스냅샷으로부터 계산 자원 사용량의 결합된 시간 변화 확률성을 비모수적으로 학습할 수 있게 합니다. 이 방법을 사용하여 원하는 시간에 계산 자원 가용성의 가장 가능성이 높은 시간 변화 분포를 예측할 수 있습니다. 단일 코어 및 다중 코어의 경우 확률적 학습을 위한 자세한 알고리즘을 제공하고, 수렴 보장, 계산 복잡도를 논의하며, 단일 코어 비선형 모델 예측 제어기와 합성 다중 코어 소프트웨어의 두 가지 사례 연구에서 실용성을 보여줍니다.
