陣列處理器

陣列處理器（array processor）又稱為並行處理機、SIMD計算機。其核心是一個由多個處理單元構成的陣列，用單一的控制部件來控制多個處理單元對各自的數據進行相同的運算和操作。

基本介紹

• 中文名：陣列處理器
• 外文名：array processor
• 又稱：並行處理機
• 核心：一個由多個處理單元構成的陣列

發展

1971年發明的處理器晶片起著定義計算機的作用，從此，計算機是按照處理器晶片的發展而演變的，是晶片上的計算機，處理器晶片的ISA(Instruction Set Architecture，指令集架構)已是國外的一統天下。1987年人們提出了系統晶片(SoC)的概念，研究如何將計算機的系統設計都轉移到系統晶片設計上來，將起到換代的作用。系統晶片已有匯流排互連的MP(Multi－Processor，多處理器)系統晶片與網路互連的AP(ArrayProcessor，陣列處理器)系統晶片，但 A P 系 統 芯 片 還 沒 有 發 展 到 成 熟的階段，給我國的晶片設計提供了一 次 競 爭 的 機 會 。 因 此 ， 我 們 對MPP(Massively Parallel Processing，大規模並行處理)系統晶片體系結構進行了研究。現在，又從數據流動的計算模式、並行計算的陣列晶片、套用演變的數學技術、以及矽基晶片的製造技術等4個方面的統一，研究了陣列處理器系統晶片的發展問題，提出了如何設計一種統一體系結構的陣列處理器系統晶片，簡稱APU (Array Processing for Unification architecture，統一體系結構的陣列處理器)系統晶片。

數據流動計算模式的統一

1935年的圖靈抽象機定義了控制數據流動而完成計算的計算模式，現在已形成了指令流、數據流與構令流三種控制數據流動的計算模式。現在流行的控制數據流動的計算模式主要是馮·諾依曼的指令流計算模式，有SISD、SIMD、MISD與MIMD四種體系結構的指令流計算模式。但現在的單核/多核/眾核晶片，只實現了SISD的指令流計算模式，以及MMX[SIMD]，流水線[MISD]，VLIW[MIMD]等低並行計算度的指令流計算模式。由於SIMD的指令流計算模式最適合圖像處理算法，SIMD體系結構的處理器與計算機早已得到了發展。數據流計算模式是採用電路設計的ASIC/ASSP晶片，或者是靜態重構的FPGA晶片實現的，而構令流計算模式是通過可重構的RCDevice (ReConfigurable Device)晶片實現的，它們的計算效率高，套用的設計門檻也高，沒有程式設計的靈活性，晶片的品種多。因此，我們研究並實現了MISD/MIMD的指令流計算模式，它不僅具有數據流/構令流計算模式的計算高效性，而且具有程式設計的靈活性，套用的設計門檻低，晶片的品種少等。計算模式的統一就是用MISD/MIMD的指令流計算模式，取代沒有程式設計靈活性的數據流/構令流計算模式，使所有計算統一成指令流計算模式。

並行計算陣列晶片的統一

從並行計算來看，有任務級並行計算、數據級並行計算、操作級並行計算與指令級並行計算的陣列晶片。現在的MPP計算機主要是按任務級並行(TLP，Task Level Parallel)完成計算的；是採用單核/多核/眾核晶片實現的。單核/多核/眾核晶片正在向TLP計算的MP系統晶片與AP系統晶片演變，TLP計算是將任務(進程/執行緒)映射到核(處理器)上完成計算的，是一種MPMD的計算。由於任務(進程/執行緒)之間存在同步與互斥問題，TLP計算的效率低、編程複雜。數據級並行(DLP，Data Level Parallel)計算是按SIMD模式完成的計算，主要是採用指令流計算模式中的SIMD體系結構實現的，已有GPU等系統晶片，以及GPU或者是CPU+GPU的MPP計算機。操作級並行(OLP，Operation Level Parallel)計算是在數據流計算模式的ASIC/ASSP/FPGA陣列晶片，與構令流計算模式的RCDevice的陣列晶片上完成並行計算的，沒有程式設計(改變)的靈活性。科學和藝術都是用來探索4維的時空關係的，APU系統晶片是採用PE(Processing Element)之間的鄰接(abutting)技術，探索4維的時空並行計算關係的，實現DLP計算與指令級並行(ILP，Instruction Level Parallel)計算的。陣列晶片的統一就是SIMD的DLP計算與MISD/MIMD的ILP計算，是採用處理元之間鄰接互連(Abutting)的APU系統晶片統一實現的。

套用演變數學技術的統一

計算科學是源於數學思維與工程思維的“數學技術”，它改變了人們的思維方式。晶片集成度按照摩爾預言速度上升的結果，在高性能計算、網路化計算與嵌入式計算的套用演變中，數學技術促進了計算機的新發展。高性能計算機主要是通過模擬幫助人類了解世界與創造世界的，有地球模擬機、藍色風暴、宇宙計算機、密碼破譯機與武器模擬機等。這些計算機的名稱就說明了它們的套用演變，都需要通過數學技術建立很複雜的數學模型，以及實驗或觀測的資料庫。模擬的核心就是建立一個與真實或者虛擬系統相關的數學模型，通過數學模型與資料庫探討對高性能計算機體系結構的影響。網路化計算的通信作用是非常成功的，從根本上改變了世界的信息基礎設施。現在，隨套用演變的數學技術，使計算機網路的作用已從通信作用，發展到資源共享的服務作用，叫做網路計算(Net-Centric Computing)/格線計算(Grid Computing)與網路存儲。在高性能並行計算與大容量存儲系統的支持下，雲計算與SaaS(Software as a Service，Storage as a Service，軟體即服務，存儲即服務)或HaaS( Hardware as a Service，硬體即服務)等數學技術使下一代數據中心將扮演“數據電廠”與“數據銀行”的服務角色。

嵌入式計算是一種計算技術與物理世界相結合的服務模式，有人叫做具體化與物理化套用，模擬了人類與物理世界互動的形式，成了有感測器(模擬人的視覺、聽覺與感覺等)與執行機構(模擬人的四肢)的計算機，並通過隨套用演變的數學技術，讓工業機器能像人一樣自主工作。雖然現在人工智慧的數學技術只使機器人有了邏輯思維能力、部分形象思維能力，基本沒有創造思維能力，但為機器人研究帶來了有創見的方法。從形狀來說，有人形機器人與非人形機器人。而美國國防部的變形機器人就是要通過隨套用演變的數學技術，使機器人具有自組裝能力，可保證機器人能成功地登上星球表面。從功能實現方法來說，有人工方法與自然的仿生方法。人工方法的機器人有手術機器人、自動駕駛機器人等。仿生方法的機器人有氣流發音的機器人、重力行走機器人、化學機器人、神經元機器人、情感機器人、模擬生物進化過程的機器人、以及分子機器人等，仿生方法使隨套用演變的數學技術的計算日益自然化。計算技術的飛速發展，也體現在程式語言的演變上，從最早的Basic到Algol，再到Fortran，以及現在的接近彙編語言的C語言。數學技術最後是通過彙編語言映射到計算機上完成計算的。彙編語言的優點是程式質量高，缺點是可讀性差，沒有兼容性，是不統一的。因此，APU系統晶片的ISA不是用助記憶符的彙編語言描述的，而是採用了一種面向數學技術也面向指令定義的映射語言描述ISA的，簡稱M語言(Mapping/MiddleLanguage)。數學技術是統一到映射語言上，以提高程式的復用性的。

矽基晶片的製造技術的統一

量子計算與生物計算還處於探索階段，現在的計算機是採用矽基晶片製造技術實現的。人們預計矽基晶片的製造技術到2016年將接近其發展極限，需要尋找新的技術突破。例如，通過擴大晶片面積是提高晶片集成度的一種新途徑，就是圓片規模集成(WSI，Wafer Scale Integration)技術。又例如，混合積體電路是一種小型化、高性能和高可靠的互連封裝手段，國內將其稱為二次集成技術。1993年美國喬治亞理工學院提出了將SoC晶片、MEMS晶片、以及無源元件二次集成在一起的SoP(SystemonPackage，系統級封裝)的概念。按摩爾定律發展的IC晶片僅占一個系統的10%的體積，而SoP則解決了系統中90%的體積。特別是2007年Intel公司率先具備了45nm矽基晶片的生產能力，使半導體產業進入了“材料推動革命”的時代。集成度高達近20億電晶體的32nm晶片接近實用。

為了解決深亞微米技術的“紅牆”問題與嵌入式套用的小型化問題，矽基晶片的TSV三維集成製造技術得到了發展。IBM、Intel與Samsung等都採用了TSV(Through-Silicon-Via，矽穿孔封裝)的三維集成技術。據IBM稱，TSV技術能使晶片數據所需要的傳輸距離縮短1000倍，連線數目增加100倍，功耗低達20%。IBM將把TSV技術套用到無線通信晶片、電源處理器、BlueGene超級計算機晶片和高頻寬記憶體中。我國2006年全國科學大會提出的“十六專項”體現了晶片設計、製造與套用的產業鏈特點。在“十六專項”的戰略任務的牽引下，有望使我國的晶片技術跟上“摩爾預言”的發展步伐。製造技術的統一就是指三維集成的TSV技術的統一，以實現嵌入式計算機小型化與解決深亞微米的RedbrickWall(紅牆)問題；也是提高我國晶片製造能力的必經之路。從設計上講，APU系統晶片的陣列體系結構，以及感測器、顯示器與存儲器等晶片都是陣列的，是正好適合於TSV技術的套用的。

分類

陣列處理器從PE互連結構的角度可以分成四種原型：

• 線性陣列處理器（LAP，LinearArrayProcessor）
  
• 方形陣列處理器（SAP，SquareArrayProcessor）
  
• 金字塔型處理器（PYR，PYRamid）
  
• 超立方體處理器（HPR，HyPeRcube）。
  

其中，方形陣列處理器看起來更加符合圖像的2維結構，但是，前人的一些研究發現，在PE數量相同的前提下，LAP的計算效率和數據吞吐率不比SAP少，而且前者具有更小的硬體開銷。