Field-Programmable Gate Array Architecture for Deep Learning: Survey & Future Directions
本文综述了FPGA架构在深度学习中的应用与改进,探讨了其在加速深度学习推理中的优势及未来发展方向。
2024-04-15 cs.AR
Tools and Methodologies for System-Level Design
本文探讨了片上系统系统级设计的工具与方法论,涵盖建模、仿真、设计空间探索和验证,并以视频和神经网络为例说明其核心问题与权衡。
2025-07-13 cs.AR
Electronic, Wireless, and Photonic Network-on-Chip Security: Challenges and Countermeasures
片上网络(NoC)是新兴的众核计算芯片的组成部分。它们在促进处理核心之间以及核心与存储器之间的通信方面发挥着关键作用。为了满足机器学习和大数据应用的积极性能和能效目标,NoC一直在发展,以利用新兴的范例,如硅光子学和无线通信。这些NoC结构越来越容易受到安全漏洞的影响,例如来自硬件特洛伊木马的攻击,这些木马可以窥探、破坏或破坏NoC上的信息传输。本文综述了电子,无线和光子NoCs的安全挑战和对策。
2022-08-18 cs.AR cs.CR
OpenRISC System-on-Chip Design Emulation
近年来,硬件仿真技术已成为加速硬件验证/调试过程的一种很有前途的方法。为了充分评估仿真方法的强大功能并展示其潜在影响,我们建议使用Mentor Graphics Veloce仿真平台来仿真片上系统(SoC)设计。本文介绍了我们的项目设置和我们取得的成果。结果令人鼓舞。使用Veloce的ORPSoC仿真比硬件仿真快十倍以上。我们的实验结果表明,Mentor Graphics Veloce在仿真,验证和调试复杂的实际硬件设计方面具有重大优势,特别是在SoC复杂性的背景下。通过我们的三个主要任务,我们将证明(1)Veloce可以成功地仿真大规模SoC设计;(2)与最先进的仿真工具相比,它具有更好的性能;(3)它可以显着加快硬件验证和调试的过程,同时保持完整的信号可见性。
2016-02-09 cs.AR
STOMP: A Tool for Evaluation of Scheduling Policies in Heterogeneous Multi-Processors
近年来,异构芯片多处理器的激增达到了前所未有的水平。传统的同构平台在实现高性能超低功耗计算方面表现出了根本的局限性,特别是在具有实时执行期限或关键性约束的应用领域。通过将正确的通用核心和硬件加速器组合在一起,以及适当的芯片互连和存储器技术,异构芯片多处理器已成为一种有效的高性能和低功耗计算替代方案。异构架构的挑战之一涉及跨芯片中的各种选项的应用任务(进程、线程)的高效调度。因此,关键是要提供工具,使早期的原型和评估的新的调度策略的异构平台。在本文中,我们提出了STOMP(调度技术优化在异构多处理器),一个模拟器的快速实施和评估的任务调度策略在多核/多处理器系统中的一个方便的接口,以简单的方式“插入”新的调度策略。STOMP的彻底验证表现出较小的相对误差相比,在稳态分析过程中的封闭形式的等效模型。
2020-07-28 cs.AR cs.DC
Newad: A register map automation tool for Verilog
针对FPGA设计中大量寄存器手动管理繁杂易错的问题,提出Newad工具,通过扫描原生HDL源文件自动生成多时钟域寄存器映射、总线解码器及地址映射JSON文件。
2023-05-16 cs.AR
Hierarchical Temporal Memory using Memristor Networks: A Survey
本文提出了一个调查,目前可用的硬件设计实现的人类皮层启发的算法,分层时间记忆(HTM)。在这篇综述中,我们专注于最先进的忆阻HTM的实现和相关的HTM应用的进展。随着边缘计算的出现,HTM可以成为实现片上近传感器数据处理的潜在算法。提供了模拟忆阻电路实现与数字和混合信号解决方案的比较。忆阻HTM的数字实现对性能指标,如处理速度,减少片上面积和功耗的优势进行了讨论。还讨论了忆阻HTM的局限性和开放性问题,如设计可扩展性,寄生电流,泄漏,寄生效应,缺乏模拟学习电路的实现和与CMOS电路集成的忆阻器件的不可靠性。
2018-05-08 cs.AR cs.ET
Aligning Netlist to Source Code using SynAlign
University of California, Santa Cruz(加州大学圣克鲁兹分校)
SynAlign 在不修改编译器或综合流程的前提下,自动将优化后网表与原始源代码对齐,利用设计结构一致性实现跨工具关联,并可容忍高达 61% 的网表变更而不影响对齐精度。
2025-01-01 cs.AR cs.CL
OCCAM: Optimal Data Reuse for Convolutional Neural Networks
卷积神经网络(CNN)正在重要的商业应用中作为图像处理的强大工具而出现。我们关注的重要问题,改善图像识别的延迟。CNN在每一层的输入、过滤和输出处的大数据造成了内存带宽问题。虽然以前的工作只捕获了大量数据重用中的一部分,但完全重用意味着初始输入图像和滤波器从片外读取一次,最终输出从片外写入一次,而不会将中间层的数据溢出到片外。我们建议Occam通过四个贡献来捕获完全重用。(1)我们确定了充分重用的必要条件。(2)我们确定的依赖封闭的充分条件,以捕捉充分重用使用最少的片上存储器。(3)由于依赖闭包往往太大,以适应片上存储器,我们提出了一个动态规划算法,最佳分区一个给定的CNN,以保证最少的片外流量在分区边界给定的片上容量。Occam的分区驻留在形成流水线的不同芯片上,使得分区的过滤器和依赖闭包在不同图像通过时保持在芯片上(即,每个分区仅为其输入和输出引起片外业务)。(4)由于最优划分可能导致流水线不平衡,我们提出了交错异步流水线(STAP),它通过在副本之间交错小批来复制瓶颈阶段以提高吞吐量。重要的是,STAP在不改变Occam最优划分的情况下实现了平衡的流水线。我们的模拟表明,Occam将片外传输减少了21倍,并实现了2.06倍和1.36倍的性能,以及分别比基本情况和层融合高出33%和24%的能量。在FPGA实现中,Occam的性能比基本情况高5.1倍。
2021-06-27 cs.AR
Experimental Demonstration of an Optical Neural PDE Solver via On-Chip PINN Training
Hewlett Packard Labs, Hewlett Packard Enterprise(慧与企业惠普实验室);University of California, Santa Barbara(加州大学圣巴巴拉分校)
本文实验演示了一种光学神经PDE求解器,利用物理信息神经网络在光子芯片上进行免反向传播训练,为解决偏微分方程提供了新方法。
2025-01-01 cs.AR cs.LG physics.optics
Sparse Hamming Graph: A Customizable Network-on-Chip Topology
针对多核芯片对可扩展片上网络的需求,提出一种基于四项设计原则、具备可调成本性能权衡的新型NoC拓扑——稀疏汉明图,并开发了利用近似布局规划与链路路由的高效定制工具链,在成本与性能上超越既有拓扑。
2023-06-28 cs.AR cs.DC cs.NI
MGSim - Simulation tools for multi-core processor architectures
MGSim是一个用于片上硬件组件的开源离散事件模拟器,由阿姆斯特丹大学开发。它旨在成为一个研究和教学工具,研究在众核和硬件多线程处理器上的细粒度硬件/软件交互。它包括对具有不同指令集的内核模型的支持、可配置的多核互连、多个可配置的高速缓存和内存模型、专用I/O子系统以及全面的监控和交互设施。MGSim附带的默认模型配置实现了微电网,这是一种具有硬件并发管理的众核架构。此外,MGSim主要用C++编写,并使用对象类来表示芯片组件。它针对可描述为流程网络的架构模型进行了优化。
2013-02-06 cs.AR cs.DC
Relational Hoare Logic for High-Level Synthesis of Hardware Accelerators
The University of Tokyo(东京大学)
本文提出基于关系霍尔逻辑的正式翻译框架,用于自动优化硬件加速器的高层综合,通过插入缓冲区和流处理提升性能。
2026-01-23 cs.AR cs.PL
Systematic Physics-Compliant Analysis of Over-the-Air Channel Equalization in RIS-Parametrized Wireless Networks-on-Chip
本文提出一种降阶物理合规模型,通过单次全波仿真校准RIS参数化无线片上网络,实现CIR快速预测,系统探索空中均衡及多链路优化。
2023-10-24 cs.AR cs.NI eess.SP
Firmware Insider: Bluetooth Randomness is Mostly Random
蓝牙芯片必须包括一个随机数发生器(RNG)。该RNG在密码原语内部使用,但也暴露给操作系统用于芯片外部应用程序。在一般情况下,它是一个黑盒子,安全关键的认证和加密机制依赖于它。在本文中,我们评估的RNG在各种Broadcom和Cypress蓝牙芯片的质量。我们发现,在过去的十年中,RNG的实施发生了显着变化。此外,大多数设备实现不安全的伪随机数生成器(PRNG)回退。多个流行的设备,如三星Galaxy S8及其变体以及iPhone,由于缺少硬件随机数生成器(HRNG)而依赖于弱回退。我们统计评估了数亿台设备使用的芯片中各种HRNG的输出。虽然Broadcom和Cypress HRNG通过了高级测试,但如果蓝牙芯片实现了安全的RNG而没有进行本文中的广泛分析,用户仍然无法区分。我们描述了我们的测量方法,并发布了我们的工具,以便进一步进行公开测试。
2020-06-30 cs.AR cs.CR cs.NI
A Survey of Machine Learning Applied to Computer Architecture Design
Oregon State University(俄勒冈州立大学)
机器学习在不同领域带来了巨大的好处,但除了少数例外,对计算机体系结构的影响有限。然而,最近的工作,探索了更广泛的适用性设计,优化和模拟。值得注意的是,基于机器学习的策略通常超过现有的最先进的分析、启发式和人类专家方法。本文综述了机器学习在仿真和运行时优化中的系统应用,以及在许多单个组件中的应用,包括存储器系统、分支预测器、片上网络和GPU。本文进一步分析了当前的实践,以突出有用的设计策略,并确定未来的工作领域,基于优化的实施策略,对现有工作的适时扩展,以及雄心勃勃的长期可能性。总之,这些策略和技术为日益自动化的建筑设计提供了一个充满希望的未来。
2019-09-26 cs.AI cs.AR cs.LG