본 논문은 AI 모델의 의도를 제어하기 위한 하드웨어 안전 장치로, 기존 소프트웨어 제약의 한계를 극복하는 데 목표를 둡니다.
L2 캐시 크기, 지연, 대역폭, 공유 메모리 포트 접근 속도 등 GPU 메모리 서브시스템의 마이크로아키텍처 노브를 활용하여 AI 성능을 동적으로 제어하는 방안을 제시합니다.
제안된 메커니즘은 성능 감도(최대 80% 성능 감소), 구현 비용(<10K 플립플롭), 안정화 시간(5~80K 사이클), 주변 회로에 미치는 영향이 미미합니다.
여러 노브 조합 분석을 통해 개별 노브 효과를 뛰어넘는 성능 저하를 달성하여 다양한 성능 목표를 지원할 수 있습니다.