본 논문은 대규모 문제 및 실제 응용 분야에서의 제한적인 적용 가능성을 극복하기 위해 Markov Chain Monte Carlo (MCMC) 알고리즘의 가속화를 위한 알고리즘-하드웨어 공동 설계 프레임워크인 MC²A를 제안합니다. MC²A는 프로세서 성능 roofline 모델을 확장하여 계산, 샘플링, 메모리 매개변수 간의 최적 균형을 도출하고, ISA-프로그래밍 가능한 트리 구조 처리 장치, 재구성 가능한 샘플러, 크로스바 상호 연결을 갖춘 매개변수화된 하드웨어 가속기 아키텍처를 제안합니다. 또한, 지수 및 정규화 연산을 제거하는 새로운 Gumbel 샘플러를 도입하여 효율성을 향상시킵니다. 다양한 MCMC 작업량에 대한 평가 결과, CPU, GPU, TPU 및 최첨단 MCMC 가속기에 비해 최대 307.6배의 속도 향상을 달성함을 보여줍니다.
