paperbot · PL 论文追踪

全部论文 待读 收藏

P2 GPM: leveraging persistent memory from a GPU

GPM：让 GPU 利用持久内存
ASPLOS Proceedings of the 27th ACM International Conference on Architectural Support for Programming Languages and Operating Systems2022匹配度 0/10 · 该论文研究 GPU 如何利用字节可寻址持久内存（PM），属于体系结构与运行时内存管理方向；与用户关注的静态分析、LLM/Agentic 程序分析、浮点程序分析、贝叶斯程序分析等方向没有直接关联。引用 23 inbox
Shweta Pandey, Aditya K Kamath, Arkaprava Basu
语言与体系结构运行时与内存管理
crossref: 2026-09-12dblp: 2026-09-12

AI 速览

一句话：提出 GPM，使 GPU 程序能够利用字节可寻址的持久内存，将 PM 能力从 CPU 扩展到 GPU。

GPU 已成为许多应用领域的关键计算平台。新型非易失性存储技术为 CPU 应用带来字节可寻址的持久性（持久内存，PM），但 GPU 程序却无法直接利用这一能力。论文提出 GPM，旨在让 GPU 能够利用持久内存，从而把 PM 的可持久化优势扩展到 GPU 计算。摘要仅给出问题动机与系统名称，未披露 GPM 的具体设计、实现机制或实验评估，因此其关键结果无法从摘要中概括。

问题
GPU 程序无法像 CPU 应用那样利用字节可寻址的持久内存，导致新型非易失性存储带来的持久化能力对 GPU 不可用。
方法
论文提出 GPM 系统，目标是让 GPU 能够利用持久内存；摘要未展开其具体设计与实现机制。
评估
摘要未说明评估方式、实验平台或性能结果，因此无法从给定信息中总结其评估。
原文摘要（Abstract）

The GPU is a key computing platform for many application domains. While the new non-volatile memory technology has brought the promise of byte-addressable persistence (a.k.a., persistent memory, or PM) to CPU applications, the same, unfortunately, is beyond the reach of GPU programs.

链接与引用

DOI 原文 · DBLP

BibTeX 
@inproceedings{PandeyKB22,
  title = {GPM: leveraging persistent memory from a GPU},
  author = {Shweta Pandey and Aditya K Kamath and Arkaprava Basu},
  booktitle = {ASPLOS},
  year = {2022},
  doi = {10.1145/3503222.3507758}
}