RT Conference Proceedings
T1 NATSA: A Near-Data Processing Accelerator for Time Series Analysis.
A1 Fernández-Vega, Iván
A1 Quislant-del-Barrio, Ricardo
A1 Giannoula, Christina
A1 Alser, Mohammed
A1 Gómez-Luna, Juan
A1 Gutiérrez-Carrasco, Eladio Damián
A1 Plata-González, Óscar Guillermo
A1 Mutlu, Onur
K1 Análisis de series temporales
AB El análisis de series temporales es una técnica clave para extraer y predecir sucesos en ámbitos tan diversos como la epidemiología, la genómica, la neurociencia, las ciencias medioambientales o la economía, entre otros. El perfil de matriz o matrix profile, es uno de los algoritmos más avanzados para realizar análisis de series temporales, y permite calcular la subsecuencia más similar para una subsecuencia de consulta dada dentro de una serie temporal cortada. El perfil de matriz tiene una baja intensidad aritmética, pero suele trabajar con grandes cantidades de datos de series temporales. En los sistemas informáticos actuales, estos datos deben moverse entre las unidades de memoria externas y las unidades de cálculo internas para realizar el perfil matricial. Esto provoca un importante cuello de botella en el rendimiento, ya que el movimiento de datos es extremadamente costoso tanto en tiempo de ejecución como en energía.En este trabajo, presentamos NATSA, la primera solución para el análisis de series temporales en procesado cercano a memoria. La idea clave es explotar las modernas memorias de gran ancho de banda (HBM) apiladas en 3D, para permitir un cálculo especializado eficiente y rápido cerca de la memoria, que es donde residen los datos de las series temporales. NATSA ofrece tres ventajas fundamentales 1) calcula rápidamente el perfil de la matriz para una amplia gama de aplicaciones construyendo unidades de procesamiento aritmético de coma flotante especializadas y energéticamente eficientes cerca de la HBM, 2) mejora la eficiencia energética y el tiempo de ejecución reduciendo la necesidad de movimiento de datos a través de buses lentos y de alto consumo energético entre las unidades de cálculo y las unidades de memoria, y 3) permite el análisis de datos de series temporales a escala explotando el acceso a memoria de baja latencia, alto ancho de banda y energéticamente eficiente que proporciona la HBM.
PB IEEE
YR 2020
FD 2020
LK https://hdl.handle.net/10630/27659
UL https://hdl.handle.net/10630/27659
LA spa
NO Universidad de Málaga. Campus de Excelencia Internacional Andalucía Tech.
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 21 ene 2026