COGNATE는 희소 텐서 프로그램을 가속기에서 최적화하기 위한 새로운 프레임워크입니다. 기존의 ML 기반 비용 모델은 초기 단계 가속기의 경우 많은 데이터가 필요하여 비효율적이라는 문제점을 해결하기 위해, 일반 목적 하드웨어(예: CPU)의 저렴한 데이터 샘플을 활용하여 비용 모델을 학습하고, 이후 새로운 하드웨어에서 소량의 데이터로 미세 조정하는 방식을 사용합니다. 하드웨어 플랫폼 간 입력 특징의 동질성을 활용하고 이질성을 효과적으로 완화하여, 기존 가속기 특화 모델 대비 5%의 데이터만으로도 비슷한 성능을 달성합니다. SpMM과 SDDMM 연산에서 평균 1.47배(최대 5.46배) 및 1.39배(최대 4.22배)의 속도 향상을 보였습니다.
