Digital Design & Comp. Arch: L17: Branch Prediction (Spring 2026)

Item: Digital Design & Comp. Arch: L17: Branch Prediction (Spring 2026)
Rating: 5
Author: PostSingularity Institute

par Onur Mutlu

Sciences formelles & physiques Informatique & Cybersécurité UYInformatique UYFArchitecture informatique et conception logique

🎙 Onur Mutlu 👥 64K 📅 24 avril 2026 ⏱ 107 min 👁 1K 📄 cours magistral 🧭 2026-08-15

Disponible en : Français (actuel) English

Mots-clés

prédiction de brancheBTBprédicteur dynamiquehistoire globalepipeline

Résumé

Ce cours magistral, dispensé par le professeur Onur Mutlu à l’ETH Zürich, aborde en profondeur la prédiction de branche, un mécanisme essentiel pour maintenir le pipeline des processeurs modernes. Le professeur commence par rappeler l’importance du problème : sans prédiction, les branchements provoquent des stalls qui dégradent fortement les performances. Il présente ensuite les prédicteurs statiques (toujours non pris, toujours pris, arrière-pris/avant-non-pris, basés sur des profils) et leurs limites, notamment la dépendance à la représentativité des profils. La majeure partie de la leçon est consacrée aux prédicteurs dynamiques, qui exploitent l’historique des branchements pour améliorer la précision. Le professeur explique en détail le branch target buffer (BTB) pour prédire l’adresse cible, puis introduit les prédicteurs à deux bits, les prédicteurs corrélés, et les prédicteurs à histoire globale. Il souligne l’importance de la corrélation entre les branchements et montre comment l’historique global peut être utilisé pour affiner les prédictions. Enfin, il évoque les prédicteurs hybrides, comme celui utilisé dans l’Alpha 21264, qui combinent plusieurs algorithmes pour atteindre une précision supérieure. Le cours se termine par une discussion sur les défis de la prédiction de branche dans les processeurs modernes, notamment la complexité croissante et la nécessité de prédire rapidement. Les slides et les lectures recommandées sont fournis pour approfondir.

208 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est très élevée : le cours couvre de manière exhaustive les techniques de prédiction de branche, des plus simples aux plus avancées, avec des explications claires et des exemples concrets. L’argumentation est solide, chaque concept étant motivé par des considérations de performance et illustré par des schémas. Le professeur s’appuie sur des travaux de recherche reconnus et explique les compromis entre précision, complexité et coût matériel. La progression pédagogique est bien pensée, partant des bases pour aboutir à des prédicteurs hybrides complexes.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est exemplaire : le cours est structuré, les concepts sont définis précisément, et les références académiques sont fournies. Les sources citées dans la description sont pertinentes et proviennent de publications de haut niveau (arXiv, IEEE). L’adéquation entre le titre et le contenu est parfaite : il s’agit bien de la leçon 17 sur la prédiction de branche. Le professeur est une autorité dans le domaine, ce qui renforce la crédibilité du contenu.

176 mots

Adéquation titre / contenu

Le titre correspond parfaitement au contenu : il s'agit bien de la dix-septième leçon du cours sur la prédiction de branche.

Qualité & fiabilité

9/10

Cours magistral d'un professeur reconnu en architecture des ordinateurs, avec des références académiques solides et une présentation rigoureuse des concepts.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Sources citées

A Modern Primer on Processing in Memory — Lecture recommandée pour approfondir les architectures centrées mémoire.
Memory-Centric Computing: Solving Computing's Memory Problem — Lecture recommandée sur les approches mémoire-centrées.
Memory-Centric Computing: Recent Advances in Processing-in-DRAM — Lecture recommandée sur les avancées récentes en traitement dans la DRAM.
Intelligent Architectures for Intelligent Computing Systems — Lecture recommandée sur les architectures intelligentes.
RowHammer: A Retrospective — Lecture recommandée sur le problème RowHammer.
Fundamentally Understanding and Solving RowHammer — Lecture recommandée pour comprendre et résoudre RowHammer.
Accelerating Genome Analysis via Algorithm-Architecture Co-Design — Lecture recommandée sur l'accélération de l'analyse génomique.
From Molecules to Genomic Variations: Accelerating Genome Analysis via Intelligent Algorithms and Architectures — Lecture recommandée sur l'analyse génomique intelligente.
Digital Design and Computer Architecture, ETH Zürich, Spring 2026 — Page du cours où sont disponibles les slides et lectures.
Slides (pdf) de la leçon 17 — Slides de la leçon 17 sur la prédiction de branche.
Slides (pptx) de la leçon 17 — Slides de la leçon 17 sur la prédiction de branche.

Sources concordantes

A Modern Primer on Processing in Memory — Lecture recommandée par le professeur, cohérente avec les thèmes du cours.
Memory-Centric Computing: Solving Computing's Memory Problem — Lecture recommandée, en lien avec les architectures centrées mémoire.
Memory-Centric Computing: Recent Advances in Processing-in-DRAM — Lecture recommandée, complémentaire sur les architectures mémoire.
Intelligent Architectures for Intelligent Computing Systems — Lecture recommandée, en lien avec les architectures intelligentes.
RowHammer: A Retrospective — Lecture recommandée, en lien avec les problèmes de fiabilité mémoire.
Fundamentally Understanding and Solving RowHammer — Lecture recommandée, en lien avec les solutions RowHammer.
Accelerating Genome Analysis via Algorithm-Architecture Co-Design — Lecture recommandée, en lien avec l'architecture et les algorithmes.
From Molecules to Genomic Variations: Accelerating Genome Analysis via Intelligent Algorithms and Architectures — Lecture recommandée, en lien avec l'architecture et les algorithmes.

Références externes

Apport & nouveautés

Ce cours apporte une synthèse claire et approfondie des techniques de prédiction de branche, allant des prédicteurs statiques aux prédicteurs hybrides modernes. L’accent mis sur la corrélation entre branchements et l’utilisation de l’historique global est particulièrement pédagogique. Le professeur relie les concepts théoriques à des implémentations réelles, comme l’Alpha 21264, ce qui permet de comprendre les compromis pratiques.

Pour aller plus loin :

Prédiction de branche (Wikipédia) — Article de synthèse sur les principes et les différentes techniques.
Branch predictor (Wikipedia) — Article détaillé en anglais sur les prédicteurs de branche.
Alpha 21264 (Wikipedia) — Page sur le microprocesseur cité comme exemple de prédicteur hybride.
Perceptron branch predictor — Section sur les prédicteurs à base de perceptrons, mentionnés comme avancée.
TAGE predictor — Prédicteur géométrique à longueur d’histoire, utilisé dans les processeurs modernes.

133 mots

Profil radar

Le profil radar montre un contenu très riche en informations (quantité et qualité élevées), avec un niveau technique soutenu et une fiabilité excellente. La forme est celle d'un cours magistral, ce qui explique la prédominance de la quantité d'information sur l'interactivité.

Fiabilité 9/10