コードとコンパイラの最適化のための機械学習？

より効率的なコード（つまり、コンパイル時と実行時のヒューリスティック）を生成するためにMLを調査しています。私はphd（コンパイラ、hpc）を持っていますが、MLの経験はほとんどありません。

既存の作品への参照をいただければ幸いです。

さらに重要なのは、どの機械学習技術を探求するべきか？

• 各データサンプルは、コード+テスト実行+パフォーマンスデータです
• 正しいラベル付けされた多数のデータサンプル
• 変更する多数のパラメーター
• 任意のサンプルを任意のパラメーターで再実行できます（および正しいラベルを取得します）
• サンプルを実行および再実行するための大量のCPU

そして、私の非常に疑わしい仮定のいくつか...

• コードの多くはすでにローカルに最適化されています（基本的なコンパイラー最適化）
• 一部のパラメータは「高レベルの概念」です。たとえば、配列をリンクリストに置き換えます。（したがって、小さなパラメーターの変更はさまざまな効果をもたらします）
• 望ましい改善には限界がある（xKの改善は「十分に良い」であり、Kはよく知られている）
• パラメータはまばらで、つまりほとんどゼロです（ほとんどのコードは基本的に良好であり、有益な変更は比較的少ないと思われます）。

私に私の道を設定するための任意のポインタはいただければ幸いです

遺伝的プログラミング（GP）は、パフォーマンス向上のためにソースコードを変更するために使用されています。

例：プログラムの進化的改善

（これは私のPhDトピックに近いので、あなたのアプローチを聞いて非常に興味があります）