Μνήμες τεχνολογίας PCM : αρχιτεκτονική υλικού συστήματος εξομοίωσης πραγματικού χρόνου και εφαρμογές
Η δυνατότητα ανάλυσης δεδομένων πολύ μεγάλου όγκου (Big Data) σχετίζεται σε σημαντικό βαθμό από τον χρόνο ολοκλήρωσης της σχετικής διαδικασίας. Ο χρόνος αυτός εξαρτάται από τον αλγόριθμο επεξεργασίας και από τις δυνατότητες των υπολογιστικών συστημάτων που χρησιμοποιούνται. Αν αυτό συνδυαστεί με τη...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/14652 |
| id |
nemertes-10889-14652 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Μνήμες αλλαγής φάσης Εξομοιώτες Phase-change memory Hardware emulators in-memory computing |
| spellingShingle |
Μνήμες αλλαγής φάσης Εξομοιώτες Phase-change memory Hardware emulators in-memory computing Πετρόπουλος, Αναστάσιος Μνήμες τεχνολογίας PCM : αρχιτεκτονική υλικού συστήματος εξομοίωσης πραγματικού χρόνου και εφαρμογές |
| description |
Η δυνατότητα ανάλυσης δεδομένων πολύ μεγάλου όγκου (Big Data) σχετίζεται σε σημαντικό βαθμό από τον χρόνο ολοκλήρωσης της σχετικής διαδικασίας. Ο χρόνος αυτός εξαρτάται από τον αλγόριθμο επεξεργασίας και από τις δυνατότητες των υπολογιστικών συστημάτων που χρησιμοποιούνται. Αν αυτό συνδυαστεί με τη συνεχή αύξηση του όγκου των δεδομένων, η ανάπτυξη νέων τεχνολογιών μεγάλης υπολογιστικής ισχύος αποκτά ιδιαίτερη σημασία. Μια νέα τεχνολογία υπολογισμού, που δεν βασίζεται στη γνωστή Von Neumann αρχιτεκτονική, είναι η τεχνολογία in-memory computing που αφορά τον συνδυασμό διαδικασιών υπολογισμού και αποθήκευσης πληροφορίας σε μία κοινή διαδικασία. Αυτή η τεχνολογία μπορεί να επιτευχθεί με την αξιοποίηση μνημών αλλαγής φάσης (phase-change memory - PCM), οι οποίες διατηρούν το περιεχόμενο τους ακόμη και όταν διακοπεί η τροφοδοσία τους (non-volatile memories - NVM). Η αξιοπιστία της τεχνολογίας αυτής καθορίζεται από δύο πηγές σφαλμάτων, το πρώτο οφείλεται στη μη-γραμμική ως προς τον χρόνο ολίσθηση της αγωγιμότητας και το δεύτερο αφορά τον 1/f ηλεκτρικό τους θόρυβο, που σχετίζεται με την τρέχουσα τιμή της αγωγιμότητας αυτών.
Η εργασία αυτή αφορά τη χρήση μνημών τεχνολογίας PCM για την υλοποίηση συναρτήσεων γραμμικής άλγεβρας και εφαρμογών τους στο πλαίσιο ενός υπολογιστικού συστήματος (server). Συναρτήσεις γραμμικής άλγεβρας, όπως πολλαπλασιασμοί μήτρας-διανύσματος πολύ μεγάλου μεγέθους, κανείς συχνά συναντά σε εφαρμογές μηχανικής μάθησης. Επειδή δεν υπάρχουν διαθέσιμες διατάξεις τεχνολογίας PCM για αρχιτεκτονικές in-memory computing, ο σχεδιασμός και η πειραματική επαλήθευση ενός εξομοιωτή πραγματικού χρόνου που μιμείται τα κύτταρα των μνημών αυτών είναι αναγκαίος και αποτελεί το πρώτο στάδιο της εργασίας αυτής. Ο εξομοιωτής θα αφορά τόσο ανεξάρτητες συστοιχίες κύτταρων μνήμης PCM, αλλά και η διάταξη Crossbar, όσο και σχετιζόμενες αρχιτεκτονικές. Παράλληλα θα προσδιοριστούν οι συναρτήσεις γραμμικής άλγεβρας που θα υλοποιηθούν, και οι σχετικές αρχιτεκτονικές θα υλοποιηθούν σε υλικό τεχνολογίας FPGA, που θα μπορεί να χρησιμοποιηθεί σε υψηλής απόδοσης servers. Τέλος, δύο εφαρμογές ανάλυσης δεδομένων πολύ μεγάλου όγκου παρουσιάζονται και επαληθεύονται πειραματικά με σκοπό την αξιολόγηση των PCM μνημών σε σενάρια in-memory computing. |
| author2 |
Petropoulos, Anastasios |
| author_facet |
Petropoulos, Anastasios Πετρόπουλος, Αναστάσιος |
| author |
Πετρόπουλος, Αναστάσιος |
| author_sort |
Πετρόπουλος, Αναστάσιος |
| title |
Μνήμες τεχνολογίας PCM : αρχιτεκτονική υλικού συστήματος εξομοίωσης πραγματικού χρόνου και εφαρμογές |
| title_short |
Μνήμες τεχνολογίας PCM : αρχιτεκτονική υλικού συστήματος εξομοίωσης πραγματικού χρόνου και εφαρμογές |
| title_full |
Μνήμες τεχνολογίας PCM : αρχιτεκτονική υλικού συστήματος εξομοίωσης πραγματικού χρόνου και εφαρμογές |
| title_fullStr |
Μνήμες τεχνολογίας PCM : αρχιτεκτονική υλικού συστήματος εξομοίωσης πραγματικού χρόνου και εφαρμογές |
| title_full_unstemmed |
Μνήμες τεχνολογίας PCM : αρχιτεκτονική υλικού συστήματος εξομοίωσης πραγματικού χρόνου και εφαρμογές |
| title_sort |
μνήμες τεχνολογίας pcm : αρχιτεκτονική υλικού συστήματος εξομοίωσης πραγματικού χρόνου και εφαρμογές |
| publishDate |
2021 |
| url |
http://hdl.handle.net/10889/14652 |
| work_keys_str_mv |
AT petropoulosanastasios mnēmestechnologiaspcmarchitektonikēylikousystēmatosexomoiōsēspragmatikouchronoukaiepharmoges AT petropoulosanastasios hardwareaspectsofaphasechangememoryemulatedinmemorycomputingplatform |
| _version_ |
1771297250563063808 |
| spelling |
nemertes-10889-146522022-09-05T14:04:41Z Μνήμες τεχνολογίας PCM : αρχιτεκτονική υλικού συστήματος εξομοίωσης πραγματικού χρόνου και εφαρμογές Hardware aspects of a phase change memory emulated in-memory computing platform Πετρόπουλος, Αναστάσιος Petropoulos, Anastasios Μνήμες αλλαγής φάσης Εξομοιώτες Phase-change memory Hardware emulators in-memory computing Η δυνατότητα ανάλυσης δεδομένων πολύ μεγάλου όγκου (Big Data) σχετίζεται σε σημαντικό βαθμό από τον χρόνο ολοκλήρωσης της σχετικής διαδικασίας. Ο χρόνος αυτός εξαρτάται από τον αλγόριθμο επεξεργασίας και από τις δυνατότητες των υπολογιστικών συστημάτων που χρησιμοποιούνται. Αν αυτό συνδυαστεί με τη συνεχή αύξηση του όγκου των δεδομένων, η ανάπτυξη νέων τεχνολογιών μεγάλης υπολογιστικής ισχύος αποκτά ιδιαίτερη σημασία. Μια νέα τεχνολογία υπολογισμού, που δεν βασίζεται στη γνωστή Von Neumann αρχιτεκτονική, είναι η τεχνολογία in-memory computing που αφορά τον συνδυασμό διαδικασιών υπολογισμού και αποθήκευσης πληροφορίας σε μία κοινή διαδικασία. Αυτή η τεχνολογία μπορεί να επιτευχθεί με την αξιοποίηση μνημών αλλαγής φάσης (phase-change memory - PCM), οι οποίες διατηρούν το περιεχόμενο τους ακόμη και όταν διακοπεί η τροφοδοσία τους (non-volatile memories - NVM). Η αξιοπιστία της τεχνολογίας αυτής καθορίζεται από δύο πηγές σφαλμάτων, το πρώτο οφείλεται στη μη-γραμμική ως προς τον χρόνο ολίσθηση της αγωγιμότητας και το δεύτερο αφορά τον 1/f ηλεκτρικό τους θόρυβο, που σχετίζεται με την τρέχουσα τιμή της αγωγιμότητας αυτών. Η εργασία αυτή αφορά τη χρήση μνημών τεχνολογίας PCM για την υλοποίηση συναρτήσεων γραμμικής άλγεβρας και εφαρμογών τους στο πλαίσιο ενός υπολογιστικού συστήματος (server). Συναρτήσεις γραμμικής άλγεβρας, όπως πολλαπλασιασμοί μήτρας-διανύσματος πολύ μεγάλου μεγέθους, κανείς συχνά συναντά σε εφαρμογές μηχανικής μάθησης. Επειδή δεν υπάρχουν διαθέσιμες διατάξεις τεχνολογίας PCM για αρχιτεκτονικές in-memory computing, ο σχεδιασμός και η πειραματική επαλήθευση ενός εξομοιωτή πραγματικού χρόνου που μιμείται τα κύτταρα των μνημών αυτών είναι αναγκαίος και αποτελεί το πρώτο στάδιο της εργασίας αυτής. Ο εξομοιωτής θα αφορά τόσο ανεξάρτητες συστοιχίες κύτταρων μνήμης PCM, αλλά και η διάταξη Crossbar, όσο και σχετιζόμενες αρχιτεκτονικές. Παράλληλα θα προσδιοριστούν οι συναρτήσεις γραμμικής άλγεβρας που θα υλοποιηθούν, και οι σχετικές αρχιτεκτονικές θα υλοποιηθούν σε υλικό τεχνολογίας FPGA, που θα μπορεί να χρησιμοποιηθεί σε υψηλής απόδοσης servers. Τέλος, δύο εφαρμογές ανάλυσης δεδομένων πολύ μεγάλου όγκου παρουσιάζονται και επαληθεύονται πειραματικά με σκοπό την αξιολόγηση των PCM μνημών σε σενάρια in-memory computing. One of the most important factors, that affects the ability of processing large amount of data (Big Data) productively, is the total time needed by the application. The processing time varies depending on the processing algorithm applied to the data and the computational power. Thus, concerning that the amount of data grows exponentially, the necessity of systems with high computational power is profound. Under this scope, we examine a new computational method, which is not based on the standard Von Neumann architecture, and is called in-memory computing, since it combines the process and storing of the data in one common procedure. This technology can utilize a special type of memory named as Phase-change memory (PCM). PCM devices have the property to maintain their state even without power supply (non-volatile memories - NVM). Although, this technology is very promising for next-generation computing purposes, it exhibits intrinsic impairments. The principal challenges are the conductance drift and the 1/f noise behavior. This thesis discusses the use of PCM cells in specific configurations, suitable for dot-products and matrix-vector multiplications. These types of operations makes in-memory computing interesting for applications such as deep learning, which require huge computational power and storage. In spite of the promise of in-memory computing acceleration, several open problems need to be addressed. It is essential to understand the computational reliability and accuracy of memristive in-memory cores for a range of applications since memristive devices exhibit non-idealities. Thus, an FPGA-based hardware emulator for PCM, which can mimic the PCM technology could be proven a useful and necessary tool for the development of such systems. Several configurations are designed for the PCM emulator, such as a PCM Crossbar and a PCM array of independent cells. Finally, two applications are presented and evaluate the utilization of the PCM technology in an in-memory computing scenario. 2021-03-10T08:18:03Z 2021-03-10T08:18:03Z 2019-02-07 http://hdl.handle.net/10889/14652 gr application/pdf |
