内存计算研究进展- 针对图计算的近数据计算架构

这篇具有很好参考价值的文章主要介绍了内存计算研究进展- 针对图计算的近数据计算架构。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

    针对图计算的近数据计算架构的代表性工作有: Seoul National University的 Tesseract和 Georgia Institute of Technology 的 GraphPIM,具体如下。

1 Tesseract

    Tesseract是一个针对图计算的可编程的内存计算系统架构,它综合了图计算的特点,重新考虑了逻辑单元和存储单元的集成方式。图21是Tesseract的系统结构,左边是一个图计算在互联的 NDC cube中执行的实例,中间是一个NDC cube内部的连接结构,右边是一个拱内部的逻辑层结构。

内存计算研究进展- 针对图计算的近数据计算架构,智能计算,近数据计算,存内计算

     Tesseract逻辑层使用了顺序执行的计算核。Tesseract还使用了可以隐藏远程访问延迟的消息传递机制,以及为图计算定制的预取硬件,和一系列支持这些操作的上层接口。

     实验显示,与传统的系统相比,Tesseract能取得87%的能耗节约。

2 GraphPIM

    GraphPIMl38l 是一个针对图计算的,基 于 商 用 HMC2.0的近数据计算完整解决方案. GraphPIM主要解决利用近数据计算运行图计算的两大挑战:

(1)应该把图计算应用的哪些部分放到NDC cube中执行;

(2)如何把部分计算放到NDC cu b e 中执行,即如何提供中央处理器和近数据计算处理器的
接口。

    GmphPIM发现,在图计算中,原子操作是损害性能的主要原因,因此应该把原子操作放到内
存端,避免不规则的数据访问带来的大通信开销. GraphPIM 使用现有的中央处理器指令,把中央处理器端的原子操作指令映射到近数据处理端,并使用无缓存的配置.在GmphPIM 架构下,上层应用程序员无需额外的工作,现有的指令集结构也不需要改动,就可以在图计算的负载中使用近数据计算。

内存计算研究进展- 针对图计算的近数据计算架构,智能计算,近数据计算,存内计算

     图22 是 GraphPIM 的系统结构, GraphPIM 在图数据管理和硬件支持方面做了改动.在虚拟地址空间中,GraphPIM 使用传统系统的指令绕过缓存来分配图数据;在硬件端,GraphPIM 在中央处理器上加了一个POU (PIM offloading unit) 用来决定哪些操作放到NDC cu b e中执行。此外,GraphPIM充分分析了图计算应用特征,判断出哪些部分放到近数据处理端做会有性能提升。

     实验显示,GmphPIM与传统用HMC2.0当做主存的冯.诺依曼系统结构相比,有2.4倍的性能提升和37%的能耗节约。

参考文献

毛海宇,舒继武,李飞,等. 内存计算研究进展. 中国科学:信息科学,2021, 51: 173-206, doi: 10.1360/SSI-2020-0037 M ao H Y, Shu J W , Li F , et al. D evelopm ent of processing-in-m em ory (in C hinese). Sci Sin Inform , 2021, 51: 173-206, doi: 10.1360/SSI-2020-0037文章来源地址https://www.toymoban.com/news/detail-833653.html

  

到了这里,关于内存计算研究进展- 针对图计算的近数据计算架构的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • AIGC原理:扩散模型diffusion综述一:面向视觉计算的扩散模型研究进展

    论文地址:State of the Art on Diffusion Models for Visual Computing 👉 贴一幅SGM(Score-based Generative Model)的原因是宋飏博士将他2019年提出的SMLD模型和2020年Jonathan Ho提出的DDPM采用SDE进行一统这两大极为相似的生成式模型。殊途同归,基于概率的扩散模型DDPM和基于分数的扩散模型SMLD都是

    2024年02月05日
    浏览(53)
  • 区块链在车联网数据共享领域的研究进展

    摘要 车联网中实现高效、安全的共享数据对智慧交通的发展具有重要意义。将区块链技术与车联网相结合,在促进车联网数据共享和隐私保护改善方面都有巨大的潜力,但仍然存在区块链技术如何保证车联网数据安全共享的问题。针对这一问题,对区块链和车联网技术融合的最新

    2024年02月08日
    浏览(46)
  • 大语言模型研究进展综述

           自20世纪50年代 图灵测试 被提出以来,研究人员一直在探索和开发能够理解并掌握语言的人工智能技术。       作为重要的研究方向之一, 语言模型 得到了学术界的广泛研究,从早期的 统计 语言模型和 神经 语言模型开始,发展到基于 Transformer的预训练 语言模型。

    2024年02月05日
    浏览(45)
  • 5G信道建模研究进展与展望

    信道建模就是通过数学的方式来刻画信道特性, 揭示多径的传播机理 ,探索和掌握信道变化的规律、精确模型和容量机理,为移动通信系统设计与技术优化提供基础。 5G信道建模的研究主要有三个方面:理论框架;测量平台与场景;信道特性分析与建模 信道在传播过程中会

    2024年02月06日
    浏览(36)
  • 无线物理层安全技术的研究进展

      第6章 物理层安全技术的研究进展_哔哩哔哩_bilibili https://www.bilibili.com/video/BV15T4y1g7g7/?p=9spm_id_from=333.1007.top_right_bar_window_history.content.clickvd_source=524992047484249a11f3422fce5ccd80 无线物理层技术是一个崭新的技术,目前在信息安全领域是研究的热点 它研究的重点:利用无线通信设备

    2023年04月20日
    浏览(57)
  • 文献研读|AIGC溯源场景及研究进展

    前言 :本文介绍关于AIGC生成阶段针对不同溯源场景的几篇相关工作。 如下图所示,在AIGC生成阶段,有4种溯源场景: 1)生成模型溯源训练数据 2)微调模型溯源预训练模型 3)AIGC溯源训练数据/训练概念 4)AIGC溯源生成模型 下面分别对不同溯源场景下的相关工作进行介绍。

    2024年04月17日
    浏览(29)
  • 武器目标分配问题研究进展: 模型、算法与应用

    源自:系统公正与电子技术 作者:李梦杰  常雪凝  石建迈  陈超  黄金才  刘忠 武器目标分配问题是指挥控制与任务规划领域的关键难点之一, 也是军事运筹领域的基础研究课题。经过多年研究, 武器目标分配问题在陆海空天电等领域都得到了广泛研究, 涌现出了大量模型

    2024年02月10日
    浏览(41)
  • 机器人自动轴孔装配研究进展

    【摘 要】 轴孔装配是加工制造业常见的一类操作任务。基于工业机器人研究轴孔自动装配,对于机器人在装配领域的应用具有重要价值。对于高精密和形状复杂的零件,高效可靠的轴孔装配仍然具有很大挑战性。基于此,从控制的角度对机器人自动轴孔装配进行了全面梳理

    2024年01月17日
    浏览(41)
  • 区块链技术研究综述:原理、进展与应用

    来源:区块链技术研究综述:原理、进展与应用     期刊:通信学报。 #blockchain 相当于对区块链先进行一个系统的了解吧                                                  区块链的层次化技术结构。 #未解决的问题 上述文 献虽 然归纳得较为完整,

    2024年02月13日
    浏览(41)
  • 详解信道估计的发展与最新研究进展(MIMO)

    目录 一. MIMO信道估计的重要性 二. 最经典的两种信道估计方法 2.1 最小二乘信道估计(LS) 2.2 最小均方误差信道估计(MMSE)  三. 优化传统的MIMO信道估计技术 四. 介绍压缩感知技术 五. 基于压缩感知的MIMO信道估计 5.1 压缩感知怎么用在MIMO信道估计 5.2 改进压缩感知用在信道估计

    2023年04月09日
    浏览(48)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包