随着各种大数据和人工智能应用的飞速发展,应用算法越来越复杂,对计算能力的需求越来越迫切。而随着摩尔定律的放缓,以及功耗墙和黑硅等方面的挑战,处理器也逐渐从通用处理器设计转向领域专用处理器设计,从而提高计算功耗的处理效率,如GPUTPUDPU和专用AI加速器等。在这个过程中,如何更好的实现软硬件协同,将对处理器设计的有效性和各种应用算法的处理效率产生至关重要的影响。针对当前的体系结构发展趋势,实验室开展面向领域专用软硬件协同的体系结构研究,包括面向领域应用的体系结构特性分析技术,体系结构仿真技术以及面向新型应用的并行优化技术研究等。


面向领域应用的体系结构特性分析技术

由于不同领域的应用处理过程不同,具有不同的执行方式、数据访问模式和通信交互机制等。对领域应用进行特性分析不仅可以理解应用的行为,也可以为领域专用硬件设计和相关优化指明方向。本研究方向研究基本的程序行为分析技术,也结合当前主流的数据分析和机器学习技术,进行应用行为特性挖掘和分析。

体系结构仿真技术

体系结构仿真通过软件模拟处理器硬件的行为,具有扩展方便和配置灵活等特点,是软硬件协同设计的核心工具。仿真工具可以用于硬件架构创新和试错以及作为软件开发环境加速软件开发进程。本研究方向结合仿真速度慢、难扩展和使用不便等挑战,研究新型仿真模型设计、仿真加速技术和仿真易扩展等技术。

面向领域应用的并行优化技术

目前各种新型应用对算力的需求越来越大,而各种新型异构硬件架构也不断推陈出新。然而当面向各种新型异构硬件设计并行应用算法时,却面临着可扩展性差,并发控制开销大等挑战。因此,本研究方向将结合新型硬件的特点,面向各种新型应用,如视觉导航算法和大数据索引算法等,研究高可扩展的并行优化技术和高并发算法。