Refinamento E Integração Do Modelo Llm Compiler Na Otimização De Código Alvo Para Microcontroladores Avr Na Robotics Language
Year: 2025
Type: conference-paper
Abstract: Este trabalho aborda o refinamento e aplicação de um modelo de inteligência artificial de grande escala para o contexto da otimização de código para microcontroladores da família AVR. Os microcontroladores (MCUs) são dispositivos embarcados, presentes em diversos aparelhos eletrônicos, a família AVR é uma série de MCUs que compartilham características e arquitetura, adicionalmente microcontroladores são extremamente limitados em memória e capacidade de processamento. Modelos de linguagem de grande escala (LLMs) são sistemas de aprendizado profundo capazes de compreender linguagem natural e auxiliar em tarefas anteriormente realizadas somente por seres humanos, como revisão de código, organização de sistemas e quaisquer outras atividades pelas quais são treinados. A otimização do processo de compilação de MCUs é uma tarefa necessária porque estes dispositivos poderiam ser aproveitados de forma mais eficiente, o que significaria um avanço para todos os equipamentos que utilizam microcontroladores. Atualmente, compiladores tradicionais utilizam estratégias genéricas, como por exemplo a flag “-Oz”, que aplicam no código fonte uma sequência fixa de passes de otimização, sem considerar as características específicas de cada programa. Como solução, esta pesquisa pretende refinar o modelo de inteligência artificial LLM-Compiler, treinado para inferir sequências de passes personalizadas, que para computadores convencionais demonstrou superar as técnicas clássicas de otimização. O desafio consiste em adaptar esse modelo, originalmente desenvolvido para CPUs de uso geral para um cenário de microcontroladores restritos. Para isso, a solução proposta envolve o refinamento supervisionado do LLM-Compiler com dados específicos de códigos para AVR, permitindo que o modelo aprenda a gerar sequências de passes otimizadas para essa arquitetura. A metodologia inclui a criação de um dataset de programas em C, convertidos para a linguagem Robotics Language (ROBL) pelo conversor c2rob, compilados com o Robcmp para uma versão intermediária (LLVM-IR), e submetidos a autotuning semi-exaustivo para a identificação das melhores sequências de otimização. A partir disso, são formados pares de entrada e saída (prompt e label) para o treinamento supervisionado do modelo, seguidos de validação e avaliação da performance em comparação com métodos tradicionais de otimização. Esta pesquisa encontra-se atualmente na fase de identificação das melhores sequências de passes de otimização. Palavras-chave: Compilação de código; Inteligência artificial; Microcontroladores AVR; Modelos de linguagem; Otimização de programas.
Authors: Castro, Calebe Miranda Ferreira Braga de, Oliveira, Thiago Borges de
Institution: Universidade Federal de Jataí
Language: Portuguese
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7107967938
