## Memo ## Memo with LLM ## Abstract ソフトウェアアプリケーションの性能向上は、ソフトウェアの発展と保守における最も重要なタスクの一つです。Intel Microarchitectureでは、CPUはリソースを可能な限り効果的に利用するためにパイプライン化を採用しています。いくつかのソフトウェアパターンやアルゴリズムは、基盤となるCPUパイプラインに影響を与え、非効率性を引き起こす可能性があります。したがって、アプリケーションの実行中にCPUのパイプラインがどの程度効率的に利用されているかを分析することは、ソフトウェア性能分析において重要です。Intel VTune Profilerなどの既存技術は、通常、ソフトウェアが本番環境に入った後のCPUパイプラインメトリクスからソフトウェア性能問題を検出します。これらの技術では、開発者が監視データを手動で分析し、性能問題に関する関連情報を取得するために追加のテスト実行を行う必要があります。開発者がソフトウェアを構築、デプロイ、テスト、実行、監視するには多くの時間と人的努力が必要です。これらの問題を軽減するため、私たちは実行前にCPUパイプラインを予測し、開発プロセス中にプロファイリングフィードバックを提供するPGProfという新しいアプローチを提案します。PGProfは[[Graph Neural Network|グラフニューラルネットワーク]]を活用してC関数の意味的および構造的表現を学習し、開発プロセス中に各カテゴリのパイプラインスロットの割合を予測します。