An Implementation of a Dual-Processor System on FPGA
本文提出并实现了一种基于FPGA的紧耦合双处理器平台,采用Nios II 32位软核架构,优化资源利用并研究缓存设计等问题,通过对比单双处理器配置及行业标准CPU平台验证了其性能。
2023-05-21 cs.AR
Neuromorphic Processor Employing FPGA Technology with Universal Interconnections
Oak Ridge National Laboratory(橡树岭国家实验室)
本文提出了一种基于FPGA的低成本神经形态处理器,支持全连接可配置连接和LIF神经元模型,通过开源方式为实时推理应用提供高效且灵活的解决方案。
2025-12-11 cs.AR
A Comprehensive and Cross-Platform Test Suite for Memory Safety -- Towards an Open Framework for Testing Processor Hardware Supported Security Extensions
内存安全在现实中仍然是一个关键的和广泛侵犯的财产。许多防御技术已经被提出和开发,但由于其巨大的运行成本,其中大多数在生产就绪环境中默认不被应用或启用。这种情况可能在不久的将来发生变化,因为硬件支持的防御这些攻击终于开始被商业处理器,操作系统和编译器采用。然后,我们面临一个问题,因为目前没有合适的测试套件来衡量不同处理器上支持的内存安全扩展。事实上,这个问题不仅仅局限于内存安全,而是处理器安全的各个方面。现有的与处理器安全相关的测试套件都缺乏一些关键属性,如全面性、可扩展性和可移植性。作为第一步,我们提出了一个可扩展的测试框架,用于测量处理器的安全性和开源的内存安全测试套件,利用这个框架。该框架被故意设计为灵活的,因此它可以逐步扩展到处理器中所有类型的硬件支持的安全扩展。内存安全的初始测试套件目前包含160个测试用例,涵盖内存的空间和时间安全、内存访问控制、指针完整性和控制流完整性。每种类型的漏洞及其相关的防御都已通过一个或多个测试用例进行了单独评估。该测试套件已移植到三个不同的指令集架构(ISA),并在六个不同的平台上进行了实验。我们还利用测试套件来探索在最新的GNU GCC和LLVM编译器上应用不同的编译器标志集的安全性好处。
2021-11-28 cs.AR cs.CR
A Comparative Analysis of ARM and x86-64 Laptop-Class Processors: Architecture, Assembly-Level Performance, and Energy Efficiency
Sorbonne Université(索邦大学)
本文对比了ARM和x86-64架构在指令集设计、内存层次、核心组织等方面的差异,通过实验验证了两者在性能和能效上的表现,发现ARM平台在能效上显著优于x86-64平台。
2026-04-20 cs.AR
CNN-MERP: An FPGA-Based Memory-Efficient Reconfigurable Processor for Forward and Backward Propagation of Convolutional Neural Networks
Graduate School of Information, Production and Systems, Waseda University(早稻田大学信息生产系统研究生院)
大规模深度卷积神经网络(CNN)广泛用于机器学习应用中。虽然CNN涉及巨大的复杂性,但提供高密度计算资源集成的VLSI(ASIC和FPGA)芯片被认为是CNN实现的有前途的平台。然而,在计算单元的大规模并行性下,受超大规模集成电路芯片引脚数限制的外部内存带宽成为系统瓶颈。此外,VLSI解决方案通常被认为缺乏针对CNN的各种参数进行重新配置的灵活性。本文提出CNN-MERP来解决这些问题。CNN-MERP采用了高效的存储层次结构,可显著降低片上/片外数据分配、数据流优化和数据重用等多重优化对带宽的要求。提出的2级可重构性是用来使快速和有效的重新配置,这是基于控制逻辑和多引导功能的FPGA。结果,实现了1.94MB/GFlop的外部内存带宽要求,这比现有技术低55%。在有限的DRAM带宽下,Vertex UltraScale平台实现了1244 GFlop/s的系统吞吐量,比最先进的FPGA实现高5.48倍。
2017-03-22 cs.AR cs.LG
Strawberry Detection Using a Heterogeneous Multi-Processor Platform
Nottingham Trent University(诺丁汉特伦特大学);Sundance Multiprocessor Technology Ltd.(圣丹斯多处理器技术有限公司)
在过去的几年里,精准农业项目的数量有所增加,特别是在收获机器人方面,其中许多项目从识别作物到抓取所需的水果或蔬菜都取得了持续的进展。在精准农业项目中发现的最常见的问题之一是,成功的应用不仅严重依赖于识别水果,还依赖于确保定位允许准确的导航。当机器人不在预先安排的环境中操作时,或者当植被变得太厚从而覆盖作物时,这些问题成为重要因素。此外,在嵌入式平台上运行最先进的深度学习算法也非常具有挑战性,导致大多数时候帧速率较低。本文提出了使用你只看一次版本3(YOLOv3)卷积神经网络(CNN)结合利用图像处理技术的应用,精准农业机器人针对草莓检测,加速异构多处理器平台。结果表明,当在现场可编程门阵列(FPGA)上实现时,与在处理器侧上运行的相同算法相比,在由146幅图像组成的测试集上的准确度为78.3%时,性能加速了5倍。
2020-11-07 cs.AR cs.CV cs.RO
Experimental evaluation of neutron-induced errors on a multicore RISC-V platform
RISC-V架构由于其灵活性和开源指令集架构(ISA),使开发人员能够以更低的成本在多个领域中有效地采用RISC-V处理器,在过去几年中变得越来越重要。对于应用领域,例如安全关键型和任务关键型,执行必须可靠,因为故障可能会损害系统正确操作的能力。然而,应用程序在RISC-V处理器上的出错率没有得到显著评估,因为它已经为标准x86处理器做了评估。在这项工作中,我们调查的出错率的商业RISC-V ASIC平台,GAP 8,暴露于中子束。我们表明,对于计算密集型应用,如分类卷积神经网络(CNN),出错率可以是平均出错率的3.2倍。此外,我们发现CNN上的大多数(96.12%)错误不会产生错误分类。最后,我们还评估了在GAP 8上导致应用程序中断的事件,并表明不正确中断的主要来源是应用程序挂起(即,由于无限循环或竞争条件)。
2022-06-17 cs.AR
A Reconfigurable Vector Instruction Processor for Accelerating a Convection Parametrization Model on FPGAs
高性能计算(HPC)平台使科学家能够对计算密集型算法进行建模。HPC集群越来越多地使用通用图形处理单元(GPGPU)作为加速器; FPGA提供了GPGPU作为协处理器的有吸引力的替代方案,但由于使用基于FPGA的平台时面临的许多挑战,它们仍然远未成为主流。我们的研究旨在使基于FPGA的高性能计算更容易为科学界所接受。在这项工作中,我们提出了一个特定的大气模型,Flexpart,在FPGA上的加速调查的结果。我们专注于加速这个模型中计算最密集的内核。我们工作的关键贡献是我们进行的架构探索,以达到一个解决方案,最好地利用遗留代码中可用的并行性,也方便编程,以便最终将高级遗留代码编译到我们的架构中可以完全自动化。我们提出了三种不同类型的架构,比较它们的资源利用率和性能,并提出一个架构,其中有一些计算核心,每个构建沿着一个向量指令处理器的线路,在这个特定的情况下工作得最好,是一个有前途的候选人的通用的基于FPGA的平台,用于科学计算。我们还提出了所提出的架构的各种配置参数的实验结果,以显示其实用性,在适应一系列的科学应用。
2015-04-17 cs.AR
Analyzing RV32/RV64 Trade-offs for FreeRTOS Latency on 8-Stage RISC-V Soft Processors
Sangmyung University(祥明大学)
本文针对8级RISC-V软处理器,对比分析RV32与RV64架构下FreeRTOS的延迟差异,发现RV64任务切换和抢占的周期开销更高,并开源了相关代码。
2026-08-04 cs.AR
HERO: Heterogeneous Embedded Research Platform for Exploring RISC-V Manycore Accelerators on FPGA
异构嵌入式片上系统(HESoCs)将标准主机处理器与可编程众核加速器(PMCAs)共同集成,以将通用计算与特定领域的高效处理能力相结合。虽然领先的公司成功地推进了他们的HESoC产品,但由于构建一个将行业标准主机处理器与开放式研究PMCA架构相结合的原型平台的挑战,研究滞后。在这项工作中,我们介绍了HERO,一个基于FPGA的研究平台,结合了PMCA组成的RISC-V内核集群,实现为FPGA结构上的软核,与硬ARM Cortex-A多核主机处理器。映射到FPGA上的PMCA架构是经过硅验证的、可扩展的、可配置的和完全可修改的。HERO包括一个完整的软件堆栈,其中包括一个支持OpenMP加速器编程的异构交叉编译工具链、一个Linux驱动程序以及用于主机和PMCA的运行时库。HERO旨在促进对所有软件和硬件层的快速探索:运行时行为可以通过跟踪事件进行准确分析,修改可以通过完全自动化的硬件和软件构建和执行测试进行验证。我们通过我们研究中的案例研究证明了HERO的有用性。
2017-12-18 cs.AR cs.DC
Performance Analysis of Edge and In-Sensor AI Processors: A Comparative Review
本文比较了边缘和在传感器AI处理器的性能,评估了不同架构在低功耗和延迟敏感任务中的表现,突显了在传感器计算的优势和挑战。
2026-02-18 cs.AR cs.CV cs.LG
Measurement-Free Ancilla Recycling via Blind Reset: A Cross-Platform Study on Superconducting and Trapped-Ion Processors
该研究通过盲目的重置技术在超导和离子处理器上减少循环延迟,同时保持高清洁度,为量子计算的部署提供了新的策略选择。
2026-02-24 cs.AI cs.AR quant-ph
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
A Reconfigurable Approximate Computing RISC-V Platform for Fault-Tolerant Applications
本文提出基于RISC-V ISA的可重构近似计算嵌入式平台phoeniX,通过核心级近似电路集成和可配置精度-能耗权衡机制,在保持应用精度的同时实现高能效,实验验证了其在图像处理和Dhrystone基准上的优异性能。
2024-10-01 cs.AR
DNN is not all you need: Parallelizing Non-Neural ML Algorithms on Ultra-Low-Power IoT Processors
机器学习(ML)功能在对延迟和隐私敏感的物联网应用中变得无处不在,促使在极端边缘向近传感器处理转变,从而越来越多地采用并行超低功耗(PULP)物联网处理器。这些计算和内存受限的并行架构需要有效地运行各种算法,包括关键的非神经ML内核,这些内核在严重的资源限制下在准确性方面与深度神经网络(DNN)竞争。在本文中,我们专注于在两个基于RISC的PULP平台上实现非神经ML算法的高效并行执行,即GAP 8(一种商业芯片)和PULP-OPEN(一种在FPGA仿真器上运行的研究平台)。我们通过细粒度分析和密集优化来优化并行算法,以最大限度地提高加速比,考虑到GAP 8上的两个可选浮点(FP)仿真库和PULP-OPEN上的本地FPU支持。实验结果表明,与标准仿真库相比,目标优化仿真库的运行时间平均提高了1.61倍,能耗降低了37%,而原生FPU支持率分别达到了32.09倍和99%.在并行加速方面,我们的设计将目标八核平台上的顺序执行平均提高了7.04倍,从而使能量和延迟降低高达87%。最后,我们与ARM Cortex-M4微控制器(MCU)进行了比较,ARM Cortex-M4微控制器是一种广泛采用的边缘部署商业解决方案,比PULP-OPEN慢12.87倍,能效低98%。
2022-11-12 cs.AR eess.IV
The microarchitecture of a multi-threaded RISC-V compliant processing core family for IoT end-nodes
物联网终端节点需要低功率处理平台,其特征在于由运行并发控制线程的处理器核心控制的异构专用单元。这种架构方案适合RISC-V指令集的主要目标应用领域之一。我们提出了一个开源处理核心,在软件方面符合RISC-V,在硬件方面符合流行的Pulpino处理器平台,同时支持物联网应用的交错多线程。后一个功能是在这个应用领域的一个新的贡献。我们报告的微架构设计的细节以及性能数据。
2017-12-13 cs.AR