检索结果-内蒙古大学图书馆

中国科学院院刊 2022年第1期37卷 46-52页

作者：徐志伟李国杰孙凝晖中国科学院计算技术研究所北京100190 计算机体系结构国家重点实验室北京100190 中国科学院大学计算机科学与技术学院北京100049

人类正在进入一个“人机物”三元融合的万物智能互联时代,需要一种新型信息基础设施,即全球规模的高通量低熵算力网,形象地简称为“信息高铁”。文章介绍了信息高铁的愿景,包括基础性需求、关键科学技术问题和系统结构。与互联网、云计... 详细信息

人类正在进入一个“人机物”三元融合的万物智能互联时代,需要一种新型信息基础设施,即全球规模的高通量低熵算力网,形象地简称为“信息高铁”。文章介绍了信息高铁的愿景,包括基础性需求、关键科学技术问题和系统结构。与互联网、云计算、大数据、物联网等现有网络计算系统相比,信息高铁的目标是原生支持“人机物”三元融合和低熵有序,降低系统无序的负面影响,提升系统通量与应用品质。

关键词： “人机物”融合系统低熵算力网高通量计算受限尾行为智能流

来源：评论

学校读者我要写书评

暂无评论

基于空间密铺的并行Stencil算法

引用

计算机科学与探索 2019年第2期13卷 181-194页

作者：郭鹏袁良张云泉黄珊中国科学院计算技术研究所计算机体系结构国家重点实验室北京100190 中国科学院大学计算机与控制学院北京100049

Stencil计算是一种科学和工程应用中常见的循环模式,而分块技术是一种提高数据局部性和并行性的强大转换方法。与以往直接对整个迭代空间进行分块的分块技术不同,提出了一种新的两层密铺分块的并行算法。首先,利用不同分块密铺数据空间... 详细信息

Stencil计算是一种科学和工程应用中常见的循环模式,而分块技术是一种提高数据局部性和并行性的强大转换方法。与以往直接对整个迭代空间进行分块的分块技术不同,提出了一种新的两层密铺分块的并行算法。首先,利用不同分块密铺数据空间;然后,所有分块沿时间维度扩展密铺迭代空间。该算法有以下优点:(1)最大化并发执行;(2)无冗余计算;(3)简洁的循环条件;(4)适应Stencil不同的尺寸、形状、阶数和边界条件。实验结果表明,对于3D27p Stencil,非周期边界的性能比Pluto高12%,周期边界的性能比Pochoir最高提升40%。

关键词： Stencil计算空间密铺分块方法

来源：评论

学校读者我要写书评

暂无评论

面向高通量应用的众核处理器任务调度

引用

清华大学学报（自然科学版） 2017年第3期57卷 244-249页

作者：徐远超杨璐首都师范大学信息工程学院北京100048 中国科学院计算技术研究所计算机体系结构国家重点实验室北京100190

具有高通量特征的大数据应用已成为目前数据中心的主流应用,这些应用在传统处理器平台上的运行效率不高,原因之一是任务调度的低效。针对高通量应用的一些典型特征以及现有任务窃取算法的不足,该文提出一种程序行为和环境感知的任务调... 详细信息

具有高通量特征的大数据应用已成为目前数据中心的主流应用,这些应用在传统处理器平台上的运行效率不高,原因之一是任务调度的低效。针对高通量应用的一些典型特征以及现有任务窃取算法的不足,该文提出一种程序行为和环境感知的任务调度机制,通过软硬件结合实现了处理器核的分区管理和任务的分级调度,减小了不同应用之间因争用共享资源对性能产生的不利影响,同时利用线程相似度高的特点提高指令缓存的命中率,从而提升系统的整体吞吐率。初步的模拟评估表明:该算法在混合负载情况下性能明显优于现有算法的,在测试的混合负载中平均优于现有算法20%。

关键词：众核处理器大数据应用高通量任务调度

来源：评论

学校读者我要写书评

暂无评论

一种基于三模冗余令牌的自恢复控制器

引用

计算机应用 2009年第2期29卷 614-617页

作者：孙科梁华国黄正峰王伟合肥工业大学计算机与信息学院合肥230009 中国科学院计算技术研究所系统结构重点实验室北京100190

针对集成电路特征尺寸进入纳米级后软错误率持续攀升的问题,本文以状态机拆分和三模冗余令牌为基础,提出更为可靠的自恢复控制器结构,并对典型基准电路进行了故障注入和仿真综合实验。结果表明,该结构以很小的硬件代价取得了更好的容错... 详细信息

针对集成电路特征尺寸进入纳米级后软错误率持续攀升的问题,本文以状态机拆分和三模冗余令牌为基础,提出更为可靠的自恢复控制器结构,并对典型基准电路进行了故障注入和仿真综合实验。结果表明,该结构以很小的硬件代价取得了更好的容错效果。

关键词：自恢复卷回状态机拆分三模冗余令牌

来源：评论

学校读者我要写书评

暂无评论

基于VPM和随机激励的处理器核仿真建模

引用

计算机工程 2010年第20期36卷 19-21,24页

作者：许彤张仕健吕涛中国科学院计算技术研究所微处理器中心北京100190 中国科学院研究生院北京100049 中国科学院计算技术研究所计算机系统结构重点实验室北京100190

为提高处理器核仿真模型的效率,提出基于SimpleScalar架构对龙芯1号处理器进行虚拟处理器模型行为建模,IPC平均误差为2.3%,速度达到每秒1 000 000条指令。基于可控随机事件机制实现的总线功能模型可以为片上系统(SoC)设计提供激励主动... 详细信息

为提高处理器核仿真模型的效率,提出基于SimpleScalar架构对龙芯1号处理器进行虚拟处理器模型行为建模,IPC平均误差为2.3%,速度达到每秒1 000 000条指令。基于可控随机事件机制实现的总线功能模型可以为片上系统(SoC)设计提供激励主动生成方案和片上互连验证功能。实验结果证明,该方法对处理器IP仿真建模具有普适意义,能够被无缝融入SoC流程中。

关键词： IP仿真模型 SimpleScalar模拟器可控随机事件总线功能模型龙芯1号处理器

来源：评论

学校读者我要写书评

暂无评论

基于线程池的GPU任务并行计算模式研究

引用

计算机学报 2018年第10期41卷 2175-2192页

作者：李涛董前琨张帅孔令晏康宏杨愚鲁南开大学计算机与控制工程学院天津300071 中国科学院计算技术研究所计算机体系结构国家重点实验室北京100109

GPU已经成为具有高并发高内存带宽的通用协处理器,但是GPU与CPU在体系结构和编程模型上存在很大差异,导致CPU-GPU异构计算系统的编程复杂度提高,即使采用统一计算设备架构(CUDA)提供的kernel并发技术和多流技术也较难充分控制和利用GPU... 详细信息

GPU已经成为具有高并发高内存带宽的通用协处理器,但是GPU与CPU在体系结构和编程模型上存在很大差异,导致CPU-GPU异构计算系统的编程复杂度提高,即使采用统一计算设备架构(CUDA)提供的kernel并发技术和多流技术也较难充分控制和利用GPU上的计算资源,难以有效地处理不规则的并行应用问题.为从体系结构角度探索GPU硬件支持的页锁定内存和统一虚拟地址空间等特征,该文提出了CPU辅助任务调度管理下的基于线程池技术的GPU任务并行计算模型CAGTP,实现了CPU-GPU异构计算系统上的共享内存式程序设计.提出并设计了CPU端的任务队列、计算线程块级任务调度器、任务槽和GPU端的任务复用kernel函数等机制,实现了CPU与GPU间的高效细粒度任务交互,避免了原生CUDA程序中多次启停kernel函数的开销,有效地支持了GPU上的细粒度不规则并行任务计算,而且利用模型API接口函数能够降低CPU-GPU异构计算系统的编程难度.实验结果表明,CAGTP模型中任务调度的开销是kernel函数调用的5%,有效提升了通用矩阵乘、乔列斯基分解和K均值、T近邻等典型线性代数和机器学习算法的计算性能;CAGTP模型易于扩展使用多块GPU,且在性能差异较大的多个GPU之间达到负载均衡,能够高效求解混合任务和具有不规则并行性的应用问题.

关键词：异构计算系统统一计算设备架构线程池任务并行任务复用函数

来源：评论

学校读者我要写书评

暂无评论

图对比学习综述

引用

中文信息学报 2023年第5期37卷 1-21页

作者：岑科廷沈华伟曹婍程学旗中国科学院计算技术研究所数据智能系统研究中心北京100190 中国科学院大学北京101408 中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190

对比学习作为一种自监督式的深度学习范式,在计算机视觉、自然语言处理等领域取得了瞩目的成绩。受这些成功的对比学习模型的启发,近年来大量研究者尝试将其拓展到图数据上,这为推动图对比学习的发展提供了坚实的基础。该领域现有的综... 详细信息

对比学习作为一种自监督式的深度学习范式,在计算机视觉、自然语言处理等领域取得了瞩目的成绩。受这些成功的对比学习模型的启发,近年来大量研究者尝试将其拓展到图数据上,这为推动图对比学习的发展提供了坚实的基础。该领域现有的综述主要关注于传统的图自监督学习任务,而缺少对图对比学习方法的梳理和归纳。为了更好地帮助相关领域的研究者,该文梳理了近些年来的图对比学习模型,通过将现有工作归纳到一个统一的框架下,突出其发展脉络。最后该文总结了图对比学习常用的数据集和评价指标,并展望了该领域未来的发展方向。

关键词：自监督学习图对比学习图表示学习预训练

来源：评论

学校读者我要写书评

暂无评论

基于全局对抗负样本的图对比学习方法

引用

中文信息学报 2024年第1期38卷 65-73,85页

作者：岑科廷沈华伟曹婍徐冰冰程学旗中国科学院计算技术研究所数据智能系统研究中心北京100190 中国科学院大学北京101408 中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190

图对比学习在无监督节点表示方面取得了巨大成功。该类模型旨在通过拉近同一节点对应的不同增强节点的表示(正样本),推远不同节点的表示(负样本)的方式为每个节点学习表示。其中负样本的选择是图对比学习的一个关键。现有的方法通过随... 详细信息

图对比学习在无监督节点表示方面取得了巨大成功。该类模型旨在通过拉近同一节点对应的不同增强节点的表示(正样本),推远不同节点的表示(负样本)的方式为每个节点学习表示。其中负样本的选择是图对比学习的一个关键。现有的方法通过随机采样或者根据一些启发式的重要性度量标准为每个节点选择对应的负样本。然而上述方法并不能准确地找到对模型关键的负样本。同时,由于需要为每一个节点选取其对应的负样本,导致高昂的时间开销。为了解决上述问题,该文提出通过对抗学习的方式,为所有节点学习一个全局共享的关键的负样本。在多个基准数据集上的实验结果证明了该方法的效率和有效性。

关键词：图表示学习图对比学习对抗负样本全局负样本

来源：评论

学校读者我要写书评

暂无评论

基于资源配置等效性的数据中心能耗优化

引用

高技术通讯 2016年第4期26卷 323-332页

作者：孙发强鄢贵海李华伟韩银和中国科学院计算技术研究所计算机体系结构国家重点实验室北京100190

针对数据中心服务器的低能效问题,进行了利用资源配置的等效性来优化服务器能效比的研究。研究发现,应用程序的多种资源分配方案具有相同的性能,但表现出较大的能耗差异,这种现象叫做"基于性能等效的资源配置",简称"等... 详细信息

针对数据中心服务器的低能效问题,进行了利用资源配置的等效性来优化服务器能效比的研究。研究发现,应用程序的多种资源分配方案具有相同的性能,但表现出较大的能耗差异,这种现象叫做"基于性能等效的资源配置",简称"等效配置"。基于这种观察,提出了两种优化能效比的算法——SmartRank算法和Smart Balance算法。SmartRank算法使用资源等效替换的方法寻找能耗最低的资源配置,来达到局部最优的能效比;Smart Balance算法通过评估资源需求向量与剩余资源间的关系来均衡资源分配,同时兼顾单个应用的能耗开销,从而达到全局最大能效比。实验表明,通过对这两个算法的优化,可实现平均节省3%的系统能耗,局部最大可以节省12.5%的能耗。

关键词：功耗管理数据中心资源等效替换资源利用率资源分配

来源：评论

学校读者我要写书评

暂无评论

基于超低延迟SSD的页交换关键技术

引用

计算机研究与发展 2024年

作者：王紫芮 * 蒋德钧处理器芯片全国重点实验室(中国科学院计算技术研究所) 先进计算机系统研究中心(中国科学院计算技术研究所) 中国科学院大学

随着内存密集型应用的快速发展，应用对单机内存容量的需求日益增大.然而，受到颗粒密度的限制，内存容量的扩展度较低.页交换机制是进行内存扩展的经典技术，该机制通过将较少使用的内存页面暂存在存储设备，以达到扩展内存的目的.过... 详细信息

随着内存密集型应用的快速发展，应用对单机内存容量的需求日益增大.然而，受到颗粒密度的限制，内存容量的扩展度较低.页交换机制是进行内存扩展的经典技术，该机制通过将较少使用的内存页面暂存在存储设备，以达到扩展内存的目的.过去页交换机制由于慢速磁盘的读写速度限制，无法被广泛应用.近年来，得益于超低延迟固态硬盘（solid state drive, SSD）的快速发展，页交换机制可以利用其低延迟的读写特性，提升页交换效率.然而，在低I/O延迟的情况下，传统页交换机制的I/O栈存在巨大的软件开销.首先对使用超低延迟SSD的Linux页交换机制进行测试与分析，发现现有页交换机制的主要瓶颈在于发送请求时存在队头阻塞问题、I/O合并和调度开销，以及内核返回路径上的中断处理和直接内存回收开销.基于分析结果，提出基于超低延迟SSD的页交换机制***在Linux I/O栈的基础上增加对轮询请求的处理，并降低I/O合并与调度开销，实现轻量级的I/O栈.基于Ultraswap的I/O栈，对内核页交换机制的换入与换出路径进一步优化.通过优化对缺页、直接内存回收的处理，降低页交换机制关键路径上的时间开销.实验结果表明Ultraswap在应用测试场景下相比Linux页交换机制能够提升19%的平均性能；在可使用内存比例为20%的情况下，Ultraswap可达到33%的性能提升.

关键词：页交换 I/O栈超低延迟SSD 轮询 NVMe SSD

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：