面向GPGPU微体系结构模拟的采样加速策略研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61802062
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    25.0万
  • 负责人：
    姜春涛
  • 依托单位：
    佛山科学技术学院
  • 学科分类：
    F0204.计算机系统结构与硬件技术
  • 结题年份：
    2021
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2021-12-31

项目摘要

Micro-architectural simulation is the key technology to evaluate GPGPU’s hardware design and software development. However, the simulation speed is extremely slow due to its hardware and software complexities, which reduce the efficiency of design and development tremendously. To address this issue, this project conducts the research to accelerate GPGPU’s micro-architectural simulation and improve its evaluation efficiency through sampling theory. Firstly, by observing the inherent runtime characteristics of GPGPU benchmarks, we propose a model with reliable metrics to measure the runtime behavior. Secondly, we give a hybrid sampling methodology to speedup GPGPU’s micro-architectural simulation based on the detailed analysis of GPGPU benchmarks runtime behavior. Then, we discuss the important factors that influence simulation speed and accuracy. Moreover, we perform detailed evaluation for the proposed sampling methodology, and make further improvements guided by the analysis of experimental results. At last, this project will provide a sampling theory and strategy for GPGPU micro-architectural simulation, reduce the simulation time by a factor of 10x on average, and significantly improve GPGPU’s design and development efficiency.
GPGPU微体系结构模拟是其硬件架构设计与软件应用开发的重要评估测试技术。然而，由于GPGPU软硬件的庞大与复杂性，其微体系结构模拟速度缓慢，评估测试周期漫长，严重制约设计开发效率。本项目针对这一问题，主要研究面向GPGPU微体系结构模拟的采样加速理论与策略。主要研究内容分为循序渐进的三部分：首先，研究刻画GPGPU程序运行行为特征表示方法，提出分析行为特征理论模型，为采样模型建立与策略设计提供理论指导；其次，基于GPGPU行为特征的分析归纳，开展契合GPGPU环境的分层采样模拟加速理论研究与策略设计；再次，构建采样模拟效率评估模型，研究影响模拟精度与速度的重要因素，并根据评估结果与影响因素反馈优化采样模拟加速理论模型与策略。最终，本项目提供一种面向GPGPU微体系结构模拟的采样加速理论与方法，在保持模拟精度前提下，大幅缩短模拟评估周期（模拟时长平均减少10倍以上），显著提高模拟评估效率。

结项摘要

随着数字化、智能化的日益普及，尤其是机器学习以及图像处理等技术广泛应用，GPGPU发挥着越来越大的作用。然后GPGPU的硬件架构设计与软件应用开发的评估测试技术发展相对滞后，受限于GPGPU软硬件的庞大与复杂性，评估测试技术中的微体系结构模拟速度缓慢，评估测试周期漫长，严重制约设计开发效率。本项目基于这一问题，开展了面向GPGPU微体系结构采样模拟的加速策略研究，研究内容分为三部分：首先，充分调研研究了日前开源GPGPU模拟器，并提出了刻画GPGPU程序运行行为特征表示方法，建立了分析行为特征的理论模型，通过特征向量的提取和聚类分析，以及分形行为的发现与应用，为采样模型建立与策略设计提供了理论指导；其次，基于GPGPU行为特征的分析归纳，设计了基于分层的采样策略模型，分三层采样选取具有代表性特征的样本片断；再次，研究了影响模拟精度与速度的重要因素，并构建了功能预热模型，设计了内存访问回放算法，为采样模拟的准确性和模拟速度提供了较好的保障。最终，本项目较完整地研究了面向GPGPU微体系结构模拟的采样加速中的各个关键问题，提出了解决方案和方法，并在开源模拟器上实现了部分功能，为后续GPGPU硬件架构设计和软件开发提供了宝贵的经验。

项目成果

期刊论文数量（3）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（4）
Effective multiple cancer disease diagnosis frameworks for improved healthcare using machine learning
使用机器学习改善医疗保健的有效多种癌症疾病诊断框架
  • DOI：
    10.1016/j.measurement.2021.109145
  • 发表时间：
    2021-02-16
  • 期刊：
    MEASUREMENT
  • 影响因子：
    5.6
  • 作者：
    Hsu, Ching-Hsien;Chen, Xing;Chung, Yeh-Ching
  • 通讯作者：
    Chung, Yeh-Ching
A self-attention-based destruction and construction learning fine-grained image classification method for retail product recognition
一种基于自注意力破坏和构建学习的零售产品识别细粒度图像分类方法
  • DOI：
    10.1007/s00521-020-05148-3
  • 发表时间：
    2020-07
  • 期刊：
    Neural Computing and Applications
  • 影响因子：
    6
  • 作者：
    Wenyong Wang;Yongcheng Cui;Guangshun Li;Chuntao Jiang;Song Deng
  • 通讯作者：
    Song Deng

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

多松弛时间格子Boltzmann方法的黏滞吸收边界
  • DOI：
    10.13810/j.cnki.issn.1000-7210.2021.05.010
  • 发表时间：
    2021
  • 期刊：
    石油地球物理勘探
  • 影响因子：
    --
  • 作者：
    姜春涛;周辉;夏木明;唐瑾璇;王颖
  • 通讯作者：
    王颖

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码