منطق اکثریت (14، 19، 33، 42) در (ب) همه ردیف‌های زیرآرایه DRAM. (ج) منطق (8، 16، 27) را بین حافظه های داخل (د) تمام ردیف های آرایه میله متقاطع حالت دهید. هر دو از (e) پشتیبانی می کنند، یک مدل انتزاعی که اجازه می دهد عملیات بیت دلخواه روی ستون ها انجام شود. این رقم از AritPIM اقتباس شده است. اعتبار: arXiv (2023). doi: 10.48550/arxiv.2308.14007
محققان Technion یک بسته نرم افزاری ایجاد کرده اند که رایانه ها را قادر می سازد تا عملیات پردازش را مستقیماً در حافظه انجام دهند و واحد پردازش مرکزی را دور بزنند. این یک گام مهم به سمت توسعه رایانه‌هایی است که محاسبات را در حافظه انجام می‌دهند و از انتقال داده‌های زمان‌بر و پر انرژی بین اجزای سخت‌افزار اجتناب می‌کنند.
یک زمینه جدید هیجان انگیز در سخت افزار در سال های اخیر ظهور کرده است: محاسبات درون حافظه. رویکرد محاسبات درون حافظه تغییر قابل توجهی نسبت به روشی که کامپیوترها معمولاً کار می کنند ارائه می دهد.
در حالی که به طور سنتی CPU محاسبات را بر اساس اطلاعات ذخیره شده در حافظه کامپیوتر انجام می دهد، با این رویکرد نوآورانه، برخی از عملیات به طور مستقیم در حافظه انجام می شود و انتقال داده ها بین حافظه و CPU را کاهش می دهد. از آنجایی که انتقال داده بین واحدهای کامپیوتری زمان و انرژی زیادی دارد، این تغییر باعث صرفه جویی قابل توجهی در هر دو می شود.
دهه های اخیر شاهد پیشرفت های فوق العاده ای در عملکرد این دو جزء بوده است. سرعت محاسبات پردازنده ها و همچنین ظرفیت ذخیره سازی واحدهای حافظه به طور قابل توجهی افزایش یافته است. این پیشرفت ها فقط مشکل را تشدید کرده است، زیرا انتقال داده ها به گلوگاهی تبدیل شده است که سرعت کلی رایانه را محدود می کند.
پروفسور شاهار کواتینسکی از دانشکده مهندسی برق و کامپیوتر اندرو و ارنا ویتربی، چند سال گذشته را به یافتن راه‌حل‌هایی برای «مشکل دیواره حافظه» اختصاص داده است – یک مشکل محاسباتی که به دو جزء سخت‌افزاری مجزا نیاز دارد.
در تحقیقاتی که در سال‌های اخیر منتشر شد، او تکنیک‌های سخت‌افزاری را ارائه کرد که برخی از فرآیندها را قادر می‌سازد در حافظه اجرا شوند و «گلوگاه‌های ترافیکی» را که بین پردازنده و حافظه در رایانه‌های سنتی ایجاد می‌شود، کاهش می‌دهد.
این تغییر پارادایم در معماری کامپیوتر کاربردهای پیشگامانه ای در بسیاری از زمینه ها از جمله هوش مصنوعی، بیوانفورماتیک، امور مالی، سیستم های اطلاعاتی و غیره دارد. جای تعجب نیست که بسیاری از گروه‌های تحقیقاتی در دانشگاه و صنعت روی این موضوع کار می‌کنند: نگاهی به معماری حافظه، تحقیق در مورد تولید ماژول‌های حافظه خلاقانه در کارخانه‌های تولید تراشه، و مطالعه عملیات‌های حسابی اساسی که در رایانه‌ای که با حافظه داخلی طراحی شده است، رخ می‌دهد. -محاسبات برنامه درسی
با این حال، یکی از جنبه های مهم این رویکرد هنوز به طور کامل بررسی نشده است: نرم افزار. برای دهه‌ها، نرم‌افزارهای رایانه‌ای برای رایانه‌های «کلاسیک» نوشته شده‌اند که ساختار اصلی آنها از زمان ظهور اولین رایانه‌ها در دهه 1940 به سختی تغییر کرده است.
این برنامه ها ترکیبی از عملیات خواندن و نوشتن هستند که در حافظه کامپیوتر انجام می شوند و عملیات ریاضی که توسط پردازنده انجام می شود. واحدهای اطلاعات ذخیره شده در حافظه دارای آدرس هایی هستند که برنامه را قادر می سازد آنها را بیابد و آنها را برای پردازش به واحد پردازش مرکزی منتقل کند.
پروفسور کواتینسکی توضیح می دهد: “با برخی از محاسبات که توسط حافظه انجام می شود، ما به نرم افزار جدیدی نیاز داریم.” این برنامه جدید باید بر دستورالعمل‌های جدیدی تکیه کند که از محاسبات درون حافظه پشتیبانی می‌کند ، دستور “که نیاز به زمان و تلاش زیادی از توسعه دهندگان نرم افزار دارد.”
مقاله جدیدی از گروه تحقیقاتی پروفسور کواتینسکی به سرپرستی Ph.D. دانش آموز Orian Leitersdorf با همکاری محقق Ronnie Ronen راه حلی برای این مشکل ارائه می دهد. پلتفرم جدید آنها از مجموعه ای از دستورات استفاده می کند که فاصله بین راه حل های محاسباتی درون حافظه و زبان های برنامه نویسی محبوب مانند پایتون را پر می کند.
برای ساختن این پلتفرم جدید، محققان نظریه‌ای درباره رابط‌های برنامه‌نویسی معماری محاسباتی درون حافظه ایجاد کردند و کتابخانه‌های توسعه نرم‌افزاری ایجاد کردند که دستورات پایتون را به دستورات ماشین تبدیل می‌کنند که مستقیماً در حافظه رایانه اجرا می‌شوند.
آنها این مفهوم جدید را PyPIM می نامند که ترکیبی از مخفف Python و Processing-in-Memory است. با استفاده از این پلتفرم جدید، توسعه دهندگان نرم افزار قادر خواهند بود به راحتی برنامه هایی را برای رایانه های PIM بنویسند.
محققان همچنین یک ابزار شبیه‌سازی برای توسعه سخت‌افزار و اندازه‌گیری عملکرد ایجاد کردند که به توسعه‌دهندگان اجازه می‌دهد تا بهبود زمان اجرای کد را در مقایسه با یک کامپیوتر معمولی تخمین بزنند. در مقاله خود، محققان چندین محاسبات ریاضی و الگوریتمی انجام شده با پلت فرم جدید را با استفاده از کد کوتاه و ساده نشان می دهند که منجر به بهبود عملکرد قابل توجهی می شود.
این تحقیق جدید در سمپوزیوم بین المللی IEEE/ACM درباره ریزمعماری که در آستین، تگزاس برگزار شد، ارائه شد. کاغذ نیز در دسترس است arXiv سرور چاپ پیشرفته
اوریان لایترزدورف، 21 ساله، به زودی جوانترین دکترای تاریخ در Technion خواهد شد. فارغ التحصیل رونی رونن محقق ارشد کالج، عضو هیئت علمی و رئیس مرکز تحقیقات زیرساخت ها و مدارها (ACRC) است.
اطلاعات بیشتر:
Orian Leitersdorf و همکاران، PyPIM: ادغام پردازش دیجیتال درون حافظه از ریزمعماری تا تانسورهای پایتون، arXiv (2023). doi: 10.48550/arxiv.2308.14007
arXiv
ارائه شده توسط Technion – موسسه فناوری اسرائیل
نقل قول: بسته نرم افزاری می تواند CPU را برای محاسبات کارآمدتر دور بزند (2024، 11 نوامبر) در 13 نوامبر 2024 از https://techxplore.com/news/2024-11-software-package-bypass-cpu-efficiency
این سند مشمول حق چاپ است. علی‌رغم هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوا فقط برای مقاصد اطلاعاتی ارائه شده است.