در یک مطالعه جدید، محققان دانشگاه کالیفرنیا ریورساید روشی را ابداع کرده اند که در آن اجزای مختلف در پردازنده ها با هم کار می کنند تا سرعت پردازش را افزایش داده و مصرف انرژی را کاهش دهند.
به گزارش TechNock، اکثر دستگاههای پیشرفته، از تلفنهای هوشمند و رایانههای شخصی گرفته تا سرورها در مراکز داده، دارای واحدهای پردازش گرافیکی (GPU) و شتابدهندههای سختافزاری برای هوش مصنوعی و یادگیری ماشین هستند. نمونههای تجاری معروف شامل هستههای تانسور NVIDIA، واحدهای پردازش تنسور (TPU) در سرورهای Google Cloud، موتورهای عصبی در آیفونهای اپل و Edge TPU در تلفنهای پیکسل گوگل هستند.
به نقل از وب سایت نیواطلسهر یک از این مولفه ها اطلاعات را به طور جداگانه پردازش می کنند و اطلاعات را از یک واحد پردازشی به واحد دیگر منتقل می کنند که اغلب باعث ایجاد گلوگاه در جریان داده می شود. روش جدید از پردازندههای موجود در رایانههای شخصی، تلفنهای هوشمند و سایر دستگاهها با استفاده از یک چارچوب نرمافزار پردازش موازی جدید که برای حذف تنگناها و استفاده از چندین تراشه به طور همزمان برای دستیابی به قدرت و کارایی عظیم طراحی شده است، استفاده میکند.
شما نیازی به اضافه کردن پردازنده های جدید ندارید. زیرا شما از قبل آنها را دارید.” چارچوب محققین که چند رشته ای همزمان و ناهمگن (SHMT) نامیده می شود، از مدل های برنامه نویسی سنتی که فقط می توانند یک ناحیه از کد را منحصراً به یک نوع پردازنده اختصاص دهند، فاصله می گیرد؛ در حالی که منابع دیگر بیکار می مانند و به عملکرد فعلی کمک نمی کند.
در عوض، SHMT از تنوع یا ناهمگونی اجزای متعدد بهره می برد و عملکرد محاسباتی را تجزیه می کند تا بین آنها به اشتراک گذاشته شود. به عبارت دیگر، نوعی پردازش موازی است.
کارایی
اگر به علوم کامپیوتر علاقه دارید، این بخش یک نمای کلی (هنوز بسیار ابتدایی) از نحوه کار SHMT ارائه می دهد. مجموعه عملیات مجازی (VOP) به یک برنامه CPU اجازه می دهد تا یک عملکرد را به یک دستگاه سخت افزار مجازی منتقل کند. در طول اجرای برنامه، سیستم زمان اجرا سخت افزار مجازی SHMT را هدایت می کند و توانایی منابع سخت افزاری را برای تصمیم گیری زمان بندی ارزیابی می کند.
SHMT از یک خط مشی زمانبندی کار با کیفیت (QAWS) استفاده می کند که منابع را تخصیص نمی دهد. اما به حفظ کنترل کیفیت و تعادل حجم کار کمک می کند. سیستم زمان اجرا VOP ها را به یک یا چند عملیات سطح بالا (HLOP) تقسیم می کند تا از چندین منبع سخت افزاری به طور همزمان استفاده کند. سپس سیستم زمان اجرا SHMT این HLOP ها را برای هدف قرار دادن صف های وظایف سخت افزاری اختصاص می دهد. از آنجایی که HLOP ها مستقل از سخت افزار هستند، سیستم زمان اجرا می تواند تخصیص وظایف را در صورت نیاز تنظیم کند.
نتایج آزمایش و نمونه اولیه
برای آزمایش این مفهوم، محققان سیستمی با همان تراشه و قدرت پردازشی یک گوشی هوشمند میان رده ساختند و چند تغییر کوچک برای آزمایش قابلیت های آن در مراکز داده ایجاد کردند.
به طور خاص، آنها یک پلتفرم سیستم تعبیه شده سفارشی با استفاده از یک ماژول NVIDIA Jetson Nano حاوی پردازنده چهار هسته ای ARM Cortex-A57 (CPU) و 128 هسته گرافیکی معماری Maxwell ساختند. Google Edge TPU از طریق شیار M.2 Key E به سیستم متصل می شود.
CPU، GPU و TPU داده ها را از طریق رابط داخلی PCIe رد و بدل می کردند. یک رابط استاندارد برای اجزای مادربرد مانند کارت های گرافیک و حافظه و دستگاه های ذخیره سازی. حافظه اصلی سیستم 4 گیگابایت LPDDR4 64 بیتی، 1600 مگاهرتز با سرعت 6.25 گیگابایت بر ثانیه داده مشترک بود. همچنین حافظه دستگاه Edge TPU 8 مگابایت است و از اوبونتو لینوکس 18.04 به عنوان سیستم عامل استفاده شده است.
آنها مفهوم SHMT را با استفاده از برنامه های معیار آزمایش کردند و دریافتند که بهترین عملکرد چارچوب خط مشی QAWS با افزایش 95.1 برابری سرعت و کاهش قابل توجه 51٪ در مصرف انرژی در مقایسه با روش پایه، به طور رضایت بخشی عمل می کند.
همه ی اینها چه معنایی میدهد؟
محققان می گویند پیامدهای SHMT بسیار گسترده است. برنامههای نرمافزاری موجود در تلفنها، تبلتها، رایانههای رومیزی و لپتاپهای موجود میتوانند از این کتابخانه نرمافزاری جدید برای دستیابی به برخی افزایش عملکرد عالی استفاده کنند. با این حال، همچنین می تواند نیاز به قطعات گران قیمت و با کارایی بالا را کاهش دهد و منجر به دستگاه های ارزان تر و کارآمدتر شود.
از آنجایی که مصرف انرژی و در نتیجه نیازهای خنک کننده را کاهش می دهد، این رویکرد می تواند دو مورد کلیدی را در اجرای مرکز داده بهینه کند. در حالی که انتشار کربن و مصرف آب را نیز کاهش می دهد.
همیشه تحقیقات بیشتری در مورد پیادهسازی سیستم و پشتیبانی سختافزار و اینکه چه نوع برنامههایی بیشترین سود را خواهند برد، مورد نیاز است، اما با این نوع نتایج، تصور میکنیم تیم مشکلی در جذب منابع برای ارائه نخواهد داشت. این مطالعه در MICRO 2023، پنجاه و ششمین سمپوزیوم بین المللی میکرومعماری IEEE/ACM ارائه شد.
مقاله ابداع روشی جدید برای افزایش سرعت پردازنده ها اولین بار در خبرجو – اخبار دنیای فناوری پدیدار شد. ظاهر شد.
گفتگو در مورد این post