МЕТОДОЛОГИЯ ИНТЕГРАЦИИ ОБЪЯСНИМЫХ МОДЕЛЕЙ ГЛУБОКОГО ОБУЧЕНИЯ В ПОДСИСТЕМЫ ПЛАНИРОВАНИЯ И УПРАВЛЕНИЯ ПАМЯТЬЮ СУПЕРКОМПЬЮТЕРНЫХ ОПЕРАЦИОННЫХ СИСТЕМ

Аннотация

В представленном фундаментальном исследовании осуществляется всеобъемлющий теоретический и практический анализ интеграции интерактивных и высокоточных моделей глубокого машинного обучения в критические узлы ядер высокопроизводительных операционных систем. Рассматривается проблема преодоления барьера нелинейной непрозрачности алгоритмов предсказания динамического профиля нагрузки на процессоры и подсистемы виртуальной памяти. Предложена оригинальная архитектурная концепция гибридного планировщика, сочетающая высокую прогностическую способность глубоких нейронных сетей с механизмами обеспечения прозрачности принятых решений в режиме реального времени на основе постхок- методов интерпретируемости. Проведен подробный анализ влияния накладных расходов на вычисление локальных объяснений на общую пропускную способность суперкомпьютерного узла. Доказано, что применение оптимизированных алгоритмов интерпретируемости позволяет полностью исключить риски возникновения тупиковых ситуаций и взаимных блокировок, сохраняя стабильность системы на уровне детерминированных классических решений при существенном приросте производительности.