It has been a long time that computer architecture and systems are optimized to enable efficient execution of machine learning (ML) algorithms or models. Now, it is time to reconsider the relationship between ML and systems, and let ML transform the way that computer architecture and systems are designed. This embraces a twofold meaning: the improvement of designers' productivity, and the completion of the virtuous cycle. In this paper, we present a comprehensive review of work that applies ML for system design, which can be grouped into two major categories, ML-based modelling that involves predictions of performance metrics or some other criteria of interest, and ML-based design methodology that directly leverages ML as the design tool. For ML-based modelling, we discuss existing studies based on their target level of system, ranging from the circuit level to the architecture/system level. For ML-based design methodology, we follow a bottom-up path to review current work, with a scope of (micro-)architecture design (memory, branch prediction, NoC), coordination between architecture/system and workload (resource allocation and management, data center management, and security), compiler, and design automation. We further provide a future vision of opportunities and potential directions, and envision that applying ML for computer architecture and systems would thrive in the community.

中文翻译：

---

计算机体系结构和系统的机器学习概述

对计算机体系结构和系统进行优化以实现机器学习（ML）算法或模型的有效执行已有很长时间了。现在，是时候重新考虑ML和系统之间的关系了，让ML改变计算机体系结构和系统的设计方式。这具有双重含义：提高设计师的生产力，并完成良性循环。在本文中，我们对将ML应用于系统设计的工作进行了全面回顾，该工作可以分为两大类：基于ML的建模（涉及性能指标或其他一些感兴趣的标准的预测）以及基于ML的设计方法直接利用ML作为设计工具。对于基于ML的建模，我们根据其目标系统级别讨论现有研究，从电路级到架构/系统级。对于基于ML的设计方法，我们遵循自下而上的方式来审查当前的工作，范围包括（微）体系结构设计（内存，分支预测，NoC），架构/系统与工作负载之间的协调（资源分配和管理） ，数据中心管理和安全性），编译器和设计自动化。我们进一步提供了机会和潜在方向的未来愿景，并设想将ML应用于计算机体系结构和系统将在社区中蓬勃发展。架构/系统与工作负载（资源分配和管理，数据中心管理和安全性），编译器和设计自动化之间的协调。我们进一步提供了机会和潜在方向的未来愿景，并设想将ML应用于计算机体系结构和系统将在社区中蓬勃发展。架构/系统与工作负载（资源分配和管理，数据中心管理和安全性），编译器和设计自动化之间的协调。我们进一步提供了机会和潜在方向的未来愿景，并设想将ML应用于计算机体系结构和系统将在社区中蓬勃发展。