TL;DR
- چکیده:.
- معماریهای قابل تنظیم مجدد با دانه درشت (CGRA) یک پلت فرم شتاب دهنده امیدوارکننده و همه کاره.
- است که تعادلی بین عملکرد و کارایی شتاب دهندههای تخصصی و قابلیت برنامهریزی نرم افزار ارائه.
چه اتفاقی افتاد
چکیده:. معماریهای قابل تنظیم مجدد با دانه درشت (CGRA) یک پلت فرم شتاب دهنده امیدوارکننده و همه کاره.
است که تعادلی بین عملکرد و کارایی شتاب دهندههای تخصصی و قابلیت برنامهریزی نرم افزار ارائه. میدهد.
با این حال،. پتانسیل کامل آنها به شدت توسط جریان کنترل در هستههای تسریع شده مانع میشود،.
زیرا جریان کنترل (بهعنوان مثال،. حلقهها،.
شاخهها) اساساً با پارچه CGRA موازی و مبتنی بر داده ناسازگار است. استراتژیهای قبلی برای حل این عدم تطابق در شتاب هسته CGRA یا ناکارآمد هستند،.
عملکرد را قربانی عمومیت میکنند،. یا به دلیل دشواری تطبیق آنها در مدلهای مختلف اجرای،.
کلیت ندارند. بنابراین، یک راهحل کلی و یکپارچه برای شتاب هسته CGRA کارآمد همچنان گریزان است.
این مقاله NEURA را معرفی میکند،. یک چارچوب تلفیقی یکپارچه و قابل هدفگیری که بهطور سیستماتیک حل میشود عدم تطابق کنترل و جریان داده.
در CGRA نوآوری اصلی NEURA یک نمایش جدید و خالص جریان داده میانی (IR) است که بر روی. یک سیستم نوع پیش فرض ساخته شده است.
در این IR،. زمینههای کنترلی بهعنوان یک محمول در هر داده تعبیه شدهاند و کنترل را به یک ویژگی ذاتی داده.
تبدیل میکنند. این مکانیسم NEURA را قادر میسازد تا بهطور سیستماتیک جریان کنترل پیچیده را در یک نمودار یکپارچه.
جریان داده صاف کند. این نمایش یکپارچه،.
نمایش هسته را از سختافزار جدا میکند،. و به NEURA قدرت میدهد تا CGRAهای متنوع را با مدلهای اجرایی مختلف و ویژگیهای ریزمعماری مورد هدف.
قرار دهد. زمانی که NEURA برای یک CGRA فضایی-زمانی با کارایی بالا مورد هدف قرار میگیرد، سرعتی 2.
20 برابری در معیارهای هسته و حداکثر سرعت متوسط هندسی تا 2. 71 برابری را در برنامههای کاربردی دنیای واقعی بر روی خطوط پایه با عملکرد بالا (SOTA) ارائه.
میدهد. همچنین یک راهحل رقابتی در برابر CGRA کم مصرف SOTA در هنگام هدفگیری مجدد ارائه میدهد.
یک CGRA فقط فضایی. NEURA منبعباز است و در این URL https موجود است.
توسط PLDI 2026 پذیرفته شده است زبانهای برنامهنویسی (cs. PL)؛ معماری سخت افزار (cs.
AR) استناد بهعنوان: (یا v1 [cs. PL] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Shangkun Li [مشاهده ایمیل] [v1] یکشنبه،.
5 آوریل 2026،. 19:.
36:. 51 UTC (927 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.