《改善眾核處理器並行編程的系統性方法》是依託北京航空航天大學，由錢德沛擔任項目負責人的重點項目。
基本介紹
- 中文名：改善眾核處理器並行編程的系統性方法
- 依託單位：北京航空航天大學
- 項目負責人：錢德沛
- 項目類別：重點項目
項目摘要,結題摘要,
項目摘要
隨著多核/眾核處理器的發展和普及，廣大的套用編程人員需要更多地採用並行編程，以充分利用數量眾多的處理器核資源。面對這一變化，傳統的並行編程模式暴露出了諸多不足之處，突出表現在並行程式難於編寫、難於調試及性能不確定三個方面。這些問題涉及到並行程式的編程、編譯、運行、調試和調優等多個層面，彼此相互關聯，很難通過某一種方法或技術將其全面解決。因此，對眾核處理器並行編程問題開展系統性研究，對於提高眾核環境下並行編程的效率和程式運行性能具有重要的意義。.項目計畫針對眾核處理器並行編程中存在的並行程式難於編寫、難於調試和性能不確定三個難點，提出以系統的觀點改善眾核處理器並行編程的思路，在以數據為中心及面向領域的眾核編程模型與方法、並行程式語言擴展、眾核並行程式運行時支持及性能最佳化、並行程式可重現調試方法及眾核體系結構支持五個層面開展研究，形成一套可有效提高眾核處理器並行編程效率和運行性能的系統性方法
結題摘要
針對傳統的並行編程模式在多核/眾核平台暴露出的並行程式難於編寫、難於調試及性能不確定三個問題，本項目以一種貫穿編程模型、並行調試、運行時和體系結構等多個層次的系統研究方法，重點是1、研究了基於弱一致性存儲模型的事務並行編程模型中的快速提交、一致性違背檢測以及衝突串列化處理等焦點問題，在GPU上實現了事務存儲編程框架，並將研究成果套用於軟體定義網路領域的並行編程；2、研究了針對弱一致性存儲模型的並行程式可重現調試中的記錄與重放的效率問題，提出的全局時鐘方法用極小的日誌就可以記錄並行程式執行的不確定性因素；3、研究了機器學習硬體加速器，可以以極低的能耗獲得極高的性能，我們還在國際上提出了首個深度學習處理器指令集。 本項目總計發表50篇高水平論文。我們在計算機學會推薦的A類會議（ISCA, MICRO, ASPLOS,HPCA）發表論文11篇，獲得兩次最佳論文獎，一次最高評分論文，在A類期刊發表論文10篇，在權威期刊Communication of ACM 和ACM Computing Survey 各發表論文一篇，在微電子領域權威期刊IEEE Journal of Solid-State Circuits發表論文一篇。上述計算機體系結構和微電子領域最高水平的期刊和會議論文共24篇，占全部論文近一半。另外還發表計算機學會推薦的B類期刊和會議11篇，其中在編程領域的著名會議CGO 兩次獲得最佳論文提名；發表其他SCI期刊10篇；發表微電子領域著名會議(ISSCC)論文1篇；發表國內一級學報4篇。申請發明專利11 項。 本項目培養博士生10 人、碩士生21 人。項目組成員陳雲霽獲得首屆自然科學基金委優秀青年基金和2014年度計算機學會青年科學家獎，杜子東的博士學位論文獲得2016年度計算機學會優秀博士論文獎。 本項目在原子代碼塊並行編程模型、並行程式確定性重放、機器學習加速器方面的研究受到了廣泛關注，得到了大量引用。弱存儲一致性方面的工作從根本上推動了事務存儲和Bulk編程的研究；全局時鐘確定性重放的工作將並行程式記錄重放的代價大幅度降低，直接推動了該領域的研究成果的套用；機器學習加速器方面的工作開創和引領了該領域的研究，形成了很大的國際影響力。綜上所述，本項目完成了預期研究內容，達到了預期成果，圓滿完成了研究任務。
