UNC科研課題

芯片戰(zhàn)爭(zhēng)核心問(wèn)題：CPU運(yùn)算效率提升研究

CPU緩存能夠減少CPU對(duì)內(nèi)存的讀寫(xiě)時(shí)間，從而獲得程序運(yùn)行速度的提升。目前的緩存機(jī)制都是基于對(duì)于CPU訪問(wèn)數(shù)據(jù)的時(shí)空連續(xù)性的假設(shè)，緩存內(nèi)存中連續(xù)地址的數(shù)據(jù)以便CPU快速獲得并更新數(shù)據(jù)。

隨著CPU芯片緩存的升級(jí)換代，LLC( Low Level Cache) 的容量越來(lái)越大。然而在多進(jìn)程的環(huán)境中，如果不對(duì)CPU緩存進(jìn)行合理的利用，往往會(huì)造成緩存沖突進(jìn)而浪費(fèi)性能在清理緩存和重新加載數(shù)據(jù)進(jìn)緩存。

本學(xué)科的目的在于研究合理的分配緩存機(jī)制，能夠進(jìn)一步增加緩存命中率，進(jìn)而提升在多進(jìn)程環(huán)境下的性能。

CPU訪問(wèn)內(nèi)存的速度往往是機(jī)器運(yùn)行速度的瓶頸，CPU緩存基于訪問(wèn)數(shù)據(jù)的時(shí)空連續(xù)性，提前緩存內(nèi)存中的連續(xù)數(shù)據(jù)，從而減少CPU訪問(wèn)內(nèi)存的次數(shù)，達(dá)到提升機(jī)器運(yùn)行速度的目的。然而在多進(jìn)程環(huán)境中，例如運(yùn)行著成百上千個(gè)進(jìn)程的服務(wù)器，隨著進(jìn)程上下文的切換，CPU緩存里的數(shù)據(jù)也隨著上下文一起切換，在切換的過(guò)程中，一方面需要同步緩存數(shù)據(jù)和內(nèi)存數(shù)據(jù)，另一方面增加了緩存丟失率(cache miss)。所以，多進(jìn)程環(huán)境往往由于緩存的頻繁刷新，降低了機(jī)器的性能。緩存染色機(jī)制利用了圖論中的染色技術(shù)，將CPU緩存根據(jù)進(jìn)程數(shù)目劃分成不同區(qū)域，相鄰區(qū)域使用不同顏色標(biāo)識(shí)，因此，各個(gè)進(jìn)程只能使用自己所屬的緩存區(qū)域，當(dāng)進(jìn)程上下文切換時(shí)，不至于整個(gè)緩存失效，從而提升了緩存命中率。

當(dāng)前的緩存染色機(jī)制主要有靜態(tài)和動(dòng)態(tài)的緩存，動(dòng)態(tài)染色是指當(dāng)進(jìn)程需求（例如所需內(nèi)存的大?。┳兓瘯r(shí)，該進(jìn)程對(duì)應(yīng)的顏色會(huì)發(fā)生變化，所以需要操作系統(tǒng)動(dòng)態(tài)的對(duì)緩存染色。而靜態(tài)染色機(jī)制在進(jìn)程創(chuàng)建時(shí)就已經(jīng)決定了該進(jìn)程所屬的顏色。

本課題提出一種新型染色機(jī)制，根據(jù)進(jìn)程優(yōu)先級(jí)對(duì)著色區(qū)域大小進(jìn)行控制。對(duì)于優(yōu)先級(jí)為實(shí)時(shí)(real time)類(lèi)別的進(jìn)程，假設(shè)該進(jìn)程會(huì)有更多的執(zhí)行機(jī)會(huì)，所以該進(jìn)程獲得更大區(qū)域的CPU緩存，保證其在期望時(shí)間內(nèi)執(zhí)行完畢。該染色機(jī)制能夠降低高優(yōu)先級(jí)進(jìn)程的緩存丟失率，加速了高優(yōu)先級(jí)進(jìn)程的執(zhí)行速度，在執(zhí)行完高優(yōu)先級(jí)進(jìn)程后，低優(yōu)先級(jí)的進(jìn)程獲得更多的緩存空間執(zhí)行。

科研方法

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研

使用人工智能（AI）算法，收集、處理、分析具體學(xué)科（X）的海量數(shù)據(jù)，并基于此進(jìn)行預(yù)測(cè)，從而獲得科學(xué)發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實(shí)驗(yàn)或邏輯推理的研究方式相比，AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研可以借助AI算法強(qiáng)大的運(yùn)算能力，高效地進(jìn)行大數(shù)據(jù)分析，具有投入產(chǎn)出比高、適用范圍廣的優(yōu)點(diǎn)。

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研已被廣泛地應(yīng)用于各個(gè)領(lǐng)域，利用AI算法研究基因數(shù)據(jù)，從而進(jìn)行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數(shù)據(jù)千千萬(wàn)萬(wàn)，使用傳統(tǒng)的科研方式對(duì)其進(jìn)行分析，工程量大、過(guò)程繁瑣，在客觀上難以實(shí)現(xiàn)。

但借助AI算法這一便捷的工具，生命科學(xué)家便能夠以海量的患者的遺傳信息為基礎(chǔ)，建立數(shù)據(jù)庫(kù)，與過(guò)往的研究成果進(jìn)行對(duì)照，快速、準(zhǔn)確地在兩者中發(fā)現(xiàn)規(guī)律、建立聯(lián)系，從而使癌癥診斷的“標(biāo)準(zhǔn)化”成為可能。

---

課題要求

本課題適合： 9-12 年級(jí)學(xué)生，有較強(qiáng)的邏輯思維和抽象思維能力：

英文：
1、具備基本的學(xué)術(shù)英語(yǔ)閱讀能力；
2、接觸過(guò)英文寫(xiě)作，有論文寫(xiě)作經(jīng)驗(yàn)者更佳；

 

數(shù)學(xué)：
1、概率統(tǒng)計(jì)基礎(chǔ)知識(shí)；
2、建模基礎(chǔ)知識(shí)；

 

計(jì)算機(jī)：
1、編程、操作系統(tǒng)基礎(chǔ)知識(shí)；
2、有c或者c++ 在Linux系統(tǒng)編程的經(jīng)驗(yàn)為佳。

以上就是關(guān)于【UNC科研課題：芯片戰(zhàn)爭(zhēng)核心問(wèn)題：CPU運(yùn)算效率提升研究】的解答，如需了解學(xué)校/賽事/課程動(dòng)態(tài)，可至翰林教育官網(wǎng)獲取更多信息。

往期文章閱讀推薦：

貝賽思進(jìn)度太快怕掉隊(duì)？翰林校內(nèi)同步班課重磅推出，長(zhǎng)期小班穩(wěn)節(jié)奏

從羅馬帝國(guó)到新冠先驅(qū)：TCR 歷史期刊收錄主題揭秘，為什么這項(xiàng)投稿值得深耕？