Resumen de Reducción de la penalización de los saltos condicionales mediante estimación de confianza
La penalización asociada a las predicciones incorrectas de saltos resulta en una degradación del rendimiento y en un aumento del consumo de energía del procesador, ya que se procesan muchas instrucciones que no realizan trabajo efectivo. El objetivo principal de esta Tesis es la reducción de dicha penalización mediante el uso de la estimación de confianza. Concretamente, aumentando la precisión de la predicción de saltos, acelerando el proceso de recuperación de los saltos mal predichos y, finalmente, disminuyendo el consumo de energía que conlleva la ejecución de instrucciones pertenecientes al camino incorrecto.
Inicialmente, se propone un mecanismo de inversión selectivo de las predicciones de saltos, con el fin de mejorar la precisión de un predictor de saltos base. Este mecanismo se basa en el hecho de que muchas predicciones tienen una alta probabilidad de ser incorrectas, con lo que se pueden evitar invirtiendo selectivamente su resultado, de acuerdo a ciertos parámetros del procesador.
La principal novedad de este mecanismo es el uso de la predicción de valores para guiar el proceso de estimación de confianza. A continuación, se propone un mecanismo para aumentar el rendimiento mediante la reducción de la penalización asociada a una predicción incorrecta. Este mecanismo trata de mantener un caudal alto de ejecución de instrucciones inmediatamente tras la detección de un salto mal predicho. Para ello, busca, decodifica y hace renombramiento de aquellas instrucciones del camino alternativo, cuando se trata de saltos predichos con confianza baja, al mismo tiempo que se ejecuta el camino predicho. Finalmente, se propone un mecanismo para reducir el consumo de energía debido al procesamiento de instrucciones del camino incorrecto.
Para ello, se limita dinámicamente la actividad de las unidades de búsqueda y decodificación, a la vez que se evita la selección de instrucciones del camino incorrecto, dependiendo
