Harnessing CPU electromagnetic emanations for power-delivery network characterization

Abstract

Ο επαγωγικός θόρυβος τάσης είναι μια από τις σημαντικές αυξανόμενες ανησυχίες στους σύγχρονους επεξεργαστές. Η υπερβολική πτώση της τάσης μπορεί να προκαλέσει μη ορθή λειτουργία. Ενώ η υπερβολική αύξηση της τάσης αυξάνει την κατανάλωση ενέργειας, τη διάχυση της θερμότητας και μπορεί να επιταχύνει τη γήρανση του υλικού. Ο θόρυβος τάσης προκαλείται από ξαφνικές μεταβολές στην κατανάλωση ρεύματος. Σύγχρονες τάσεις σχεδίασης όπως οι τεχνικές χαμηλής κατανάλωσης ενέργειας, οι γρήγορες συχνότητες και η υψηλή κατανάλωση ρεύματος, επιδεινώνουν τον θόρυβο τάσης. Για την αντιμετώπιση του προβλήματος είναι υψίστης σημασίας να αναπτυχθούν εργαλεία που επιτρέπουν τον χαρακτηρισμό των δικτύων παροχής ισχύος (ΔΠΙ) και την παρακολούθηση του επαγωγικού θορύβου τάσης. Τέτοια εργαλεία παρακολούθησης είναι χρήσιμα κατά τη διάρκεια των δοκιμών για να βοηθούν στον επαρκή καθορισμό των περιθωρίων τάσης που θα επιτρέπουν την ομαλή και ενεργειακά αποδοτική λειτουργία του επεξεργαστή. Επίσης, αυτά τα εργαλεία παρακολούθησης χρησιμοποιούνται στην κατασκευή κυκλωμάτων μετριασμού του θορύβου τάσης που προστατεύουν τον επεξεργαστή από χαμηλή τάση και εξασφαλίζουν αξιόπιστη λειτουργία. Αυτή η διδακτορική θέση προτείνει μια νέα μεθοδολογία για τον χαρακτηρισμό ΔΠΙ. Η προτεινόμενη μεθοδολογία βασίζεται στην ασύρματη ανίχνευση της ηλεκτρομαγνητικής ακτινοβολίας (ΗΑ) που εκπέμπεται από το ΔΠΙ χρησιμοποιώντας μια κεραία και ένα όργανο για την ανάλυση των ληφθέντων σημάτων (όπως ένας αναλυτής φάσματος). Η προτεινόμενη προσέγγιση έχει τρία σημαντικά πλεονεκτήματα σε σύγκριση με κλασικές προσεγγίσεις χαρακτηρισμού ΔΠΙ: α) είναι μη παρεμβατική και βολική καθώς δεν φορτίζει, διακόπτει ή παρεμποδίζει το σύστημα με οποιονδήποτε τρόπο επιτρέποντας την παρακολούθηση του συστήματος ως έχει, β) θεωρητικά, είναι συμβατή με οποιαδήποτε πλατφόρμα καθώς οποιοδήποτε υλικό υπολογιστών εκπέμπει ΗΑ, γ) δεν επιβάλει επιπλέον κόστος στον κατασκευαστή καθώς δεν απαιτεί υλικούς πόρους πάνω στον επεξεργαστή. Η προτεινόμενη μεθοδολογία βασίζεται στην παρατήρηση ότι η ΗΑ μεγάλης ισχύος κοντά στη συχνότητα συντονισμού του ΔΙΠ συσχετίζεται με υψηλό θόρυβο τάσης. Αυτή η δουλειά παρέχει τη θεωρητική βάση και την απόδειξη ότι αυτή η παρατήρηση ισχύει. Εκμεταλλευόμαστε αυτή την παρατήρηση με δύο τρόπους: α) για να μετρήσουμε τη συχνότητας συντονισμού του ΔΠΙ και β) για να θέσουμε αποδοτικά περιθώρια τάσης με τη βοήθεια ειδικών προγραμμάτων που μεγιστοποιούν το θόρυβο τάσης, αυτά τα προγράμματα παράγονται μέσω ενός γενετικού αλγόριθμου που μεγιστοποιεί την ΗΑ. Η προσέγγιση μας αξιολογείται σε διάφορους σύγχρονους επεξεργαστές. Σε όλους τους δοκιμασμένους επεξεργαστές με την προτεινόμενη μεθοδολογία μπορέσαμε να παρακολουθήσουμε με επιτυχία τον θόρυβο τάσης, να αναγνωρίσουμε τη συχνότητα συντονισμού, να δημιουργήσουμε προγράμματα που προκαλούν υψηλό θόρυβο τάσης και να θέσουμε αποδοτικά περιθώρια τάσης που μειώνουν την κατανάλωση ενέργειας. Επίσης, αυτή η διδακτορική θέση προσφέρει την πρώτη δημόσια διαθέσιμη εφαρμογή για αυτόματη δημιουργία στρες προγραμμάτων. Η εφαρμογή βασίζεται σε γενετικούς αλγόριθμους και έχει δοκιμαστεί με επιτυχία σε πολλούς διαφορετικούς επεξεργαστές.

Inductive dI/dt voltage-noise is a growing concern in modern processors. Voltage-noise is caused by sudden transitions in current consumption. Voltage-noise is manifested as large voltage droops and overshoots below and above the nominal supply-voltage. These events are a threat to reliability, robust execution and hardware longevity. Voltage droops may cause unreliable execution, whereas voltage overshoots increase power consumption, heat dissipation and may accelerate the hardware aging. Modern design trends such as: a) aggressive low-power techniques (e.g. power-gating, clock-gating), b) high dynamic-power range of multicore processors, and c) high current consumption, exacerbate voltage-noise rendering power-delivery a critical concern. Tools for characterizing Power Delivery Networks (PDN) and monitoring inductive dI/dt voltage-noise are required for: a) processor voltage and frequency margining at the post-silicon chip testing phase and b) for designing voltage-noise mitigation circuits that protect processor from voltage droops and ensure reliable operation. This thesis proposes a novel methodology for PDN characterization. The proposed methodology is based on wirelessly sensing the PDN emanated electromagnetic (EM) radiation using an antenna and an instrument for analyzing the received signals such as a spectrum analyzer. The proposed approach has three major advantages compared to state-of-the art PDN characterization approaches: a) it is non-intrusive and convenient as it doesn’t load, interrupt or physically interfere with the system in any way allowing monitoring the system as it is, b) it is cross-platform as all hardware emanates EM radiation, c) it adds zero-overhead as it does not require development effort nor on-chip/on-package resources. The proposed EM methodology is based on the observation that high amplitude EM emanations at the PDN resonance frequency are correlated with high voltage-noise. This thesis provides the theoretical basis and conclusive evidence that this correlation holds true. We exploit this correlation for measuring the PDN resonance frequency and for voltage margining CPUs with the help of dI/dt stress-tests generated with a genetic algorithm (GA) that maximizes the amplitude of EM emanations. The EM approach is successfully evaluated on five different processors. On all tested processors we are able to successfully monitor PDN oscillations, identify the resonance-frequency and generate dI/dt stress-tests that cause higher voltage-noise and have higher minimum operational voltage (VMIN) than conventional workloads. Additionally, this thesis delivers GeST (Generating Stress-Tests), a GA based framework for automatic stress-test generation that is developed for the needs of this thesis. To the best of our knowledge GeST is the first publicly available framework for stress-test generation. The key strengths of GeST are its flexibility and extensibility as it provides an easy interface for using and extending the framework.