Blog

습곡: 횡압력 받아서 휘어진 구조 - 배사: 습곡에서 위로 볼록하게 올라간 부분 - 향사: 습곡에서 아래로 오목하게 내려간 부분 단층: 지층 끊어진 거 - 정단층: 장력으로 상반이 아래로 내려간 단층 - 역단층: 횡압력으로 상반이 위로 올라간 단층 - 주향 이동 단층: 단층면 따라 수평 방향으로 이동한 단층 습곡은 온도 높은 지하 깊은 곳, 단층은 습곡보다는 온도 낮은 비교적 얕은 곳 주상 절리: 온도 감소, 화산암, 세립질, 유색광물 (감람암질) 판상 절리: 압력 감소, 심성암, 조립질, 무색광물 (석영) 부정합: 퇴적 -> 융기 -> 침식 -> 침강 및 퇴적 난정합: 심성암이나 변성암 위에 퇴적암이 쌓여 있는 부정합. 시간 간격이 매우 큼. 관입암: 관입당한 암석은 관입암보다 먼저 생성 포획암: 포획..

파도에 의해 생긴 연흔 -> 대칭적인 모양 (왕복운동o) 흐르는 물에 의해 생긴 연흔 -> 비대칭적인 모양 (왕복운동 x)

차가운 플룸: 밀도가 큰 맨틀 물질이 하강하는 곳 -> 지진파 속도 빠름 - 맨틀과 외핵의 경계 쪽으로 가라앉음 - 아시아 대륙 아래에서 차가운 플룸 하강 뜨거운 플룸: 밀도가 작은 맨틀 물질이 상승하는 곳 -> 지진파 속도 느림 - 맨틀과 외핵의 경계에서 가열된 암석이 상승 - 남태평양과 아프리카 대륙 아래에서 뜨거운 플룸 상승 ==> "맨틀과 외핵의 경계" 열점: 뜨거운 플룸 상승류와 지표면이 만나는 지점 아래 마그마가 생성되는 곳 - 열점 위치는 고정 - 이동 속력, 방향을 알 수 있음 - 문제에서 제시한 자료 혹은 선지가 열점인지 화산섬인지 주의

0차(상수함수) 1차: f(x) = ax+b (점대칭, 직선, 기울기*) 직각삼각형, 등차수열.... 2차: 선대칭 (대칭축) 3차: 점대칭 (변곡점) 4차: 대칭일 수도 아닐 수도 있음 마인드: 함수를 왜 줬는지 차수에 따른 특징 기반으로 문제에 접근한다. 특징 이차함수 1. 대칭성 (선대칭) 2. 평균값 정리 + 등차수열 3. 넓이 공식 + 선대칭인 점들에 대해 미분계수의 절대값 동일 x좌표 등차수열, 미분계수 등차수열 삼차함수 1. 변곡점에 대칭 (180도 회전하여 같음) 2. 변곡점x3 (어떤 직선과 만나 생기는 두 교점(중근 포함), 세 교점의 x좌표 합은 변곡점의 x좌표를 3배한 것과 같다.) 3. 비율관계1 (5개의 점, 극대/극소값을 갖는 x좌표, 변곡점의 x좌표, 극대/극소값과 같은 함수..

잔류 자기는 고정된다. 지자기 역전이 일어난다고 해서 잔류자기는 바뀌지 않는다. 퇴적암에서도 잔류 자기가 남아있을 수 있다. 복각의 크기가 크면, 상대적으로 고위도에서 생성 복각의 크기가 작으면, 상대적으로 적위도에서 생성 지자기 북극과 지괴와의 거리가 가까우면, 복각의 크기가 크고, 이로부터 고위도에서 생성됐다고 파악할 수 있다. 지자기 북극과 지괴와의 거리가 멀면, 복각의 크기가 작고, 이로부터 저위도에서 생성됐다고 파악할 수 있다. 지괴가 남반구에서 생성됐다면, 지자기 북극과 지괴와의 각거리가 90도보다 크다. *지괴: 다양한 시기에 대한 암석을 포함. 지괴 내 상대적인 위치 변화는 없다.

ProxylessNAS: Direct Neural Architecture Search On Target Task And Hardware Problems To Solve 기존 cotroller를 사용하는 방식의 NAS는 많은 GPU Time이 걸렸다. 이를 해결하기 위해 NAS의 objective function을 differentiable하게 만들어 archtecture search를 한 시도는 GPU Time은 많이 줄일 수 있었으나 GPU Memory 사용이 많았다. 더불어 ImageNet과 같은 큰 데이터셋에 대해서는 시간이 오래 걸려 proxy를 사용하여, network를 evaluation을 하려는 시도가 있었으나 proxy task에 evaluation된 아키텍쳐가 target task에서 성..

Instruction-level Parallelism (2) Dynamic Scheduling Limitations of simple techniques A major limitation issue and execution in-order instruction issue and execution 명령어가 프로그램 순서에 따라 issue되고 명령어가 파이프라인에서 stall되면 이후 명령어를 처리할 수 없다. 명령어 j가 long-running 명령어 i에 종속성을 가지면, 명령어 j 이후에 실행될 모든 명령어들은 i가 끝나가 j가 실행될 때까지 stall돼있어야 한다. Simple techniques은 약간의 data dependence stalls만 제거할 수 있다. 몇몇 dependence는 런타임까..

Instruction-level Parallelism (1) Concepts and Challenges ILP Basics Instruction level parallelism (ILP) 명령어들의 실행을 오버랩하는 것. Goal: minimize CPI (maxmize IPC) Challenges Challenges: 모든 명령어가 병렬로 실행될 수 없다. 파이프라이닝된 프로세서에서 CPI = ideal CPI + (Structural stalls + Data hazard stalls + Control stalls) 종속성이 있는 명령어는 동시에 실행될 수 없다. 종속성의 세가지 종류 Data dependences Name dependences Control dependences Data Depende..

3. CUDA Thread (1) 3.1 What is Thread? 3.1.1 Process and Thread Process 컴퓨터 프로그램을 실행했을 때, 실행된 프로그램의 인스턴스 프로그램 코드 + 실행 상태 (다음 명령어의 주소, 레지스터 상태, 메모리 컨텐츠) 스토리지 (프로그램) > 메모리 (여러 프로세스 생성) > PC는 프로세스에서 명령어 주소를 읽어오고 데이터는 컴퓨팅 엔진과 레지스터, 메모리 사이에서 주고 받는다. Thread 프로세스에 대한 실행 흐름 (execution flow) 실행 상태 (다음 명령어의 주소, 레지스터 상태, 스택) 모든 스레드는 프로그램 코드를 공유한다. CPU의 멀티코어와 달리 GPU의 SM은 각 코어가 레지스터만 갖고 PC를 공유한다. SM의 각 코어는 동..

2. Fundamentals of CUDA (2) 2.1 A Vector Addition Kernel Review: Data-level Parallelism 서로 다른 데이터에 동일한 명령어 흐름을 병렬적으로 실행하는 것 Image processing: 이미지 내의 독립적인 픽셀을 다룬다. Molecular dynamics: 여러 원자간의 상호작용에 대해 시뮬레이션한다. Airline scheduling: 수천개의 비행기, 승무원, 게이트들을 다뤄야한다. 2.1.1 Vector Addition Scalar vs Vector Scalar: a single number Vector: an array of numbers Vector: 1D array로 표현되는 것 Vector addition: 1d array..