首页:修订间差异
来自清华大学高性能处理器实验室
跳到导航跳到搜索
(未显示同一用户的6个中间版本) | |||
第17行: | 第17行: | ||
本课题组隶属于清华大学微电子所,主要从事高性能数字信号处理器系统设计研究。 | 本课题组隶属于清华大学微电子所,主要从事高性能数字信号处理器系统设计研究。 | ||
课题组目前包括孙义和教授,[[何虎]] | 课题组目前包括孙义和教授,[[何虎]]副教授,[[杨旭]]副教授,[[郭德源]],麻军平,李正兴。 目前组内有博士研究生1名,硕士研究生7名。 | ||
* '''主要专注方向''' | * '''主要专注方向''' | ||
第23行: | 第23行: | ||
** 处理器指令精度模拟器研究 | ** 处理器指令精度模拟器研究 | ||
** 并行程序设计模型与编译技术 | ** 并行程序设计模型与编译技术 | ||
** 多核、众核片上系统 | ** 多核、众核片上系统 | ||
** 片上网络(NoC)设计 | ** 片上网络(NoC)设计 | ||
第37行: | 第36行: | ||
|- | |- | ||
| | | | ||
[[File:enn.png|150px|thumb|Evolution Neural Network]] | |||
* '''进化神经网''' | * '''进化神经网''' | ||
** 依靠计算能力实现的人工神经网不具备强(通用)人工智能的能力 | |||
** | |||
** 与其破解生物神经网实现智能的奥秘,不如从头实现神经网进化过程 | ** 与其破解生物神经网实现智能的奥秘,不如从头实现神经网进化过程 | ||
** 进化神经网通过构建神经网进化环境,采用优胜劣汰的进化法则实现神经网的进化 | ** 进化神经网通过构建神经网进化环境,采用优胜劣汰的进化法则实现神经网的进化 | ||
** | ** 进化过程带有很强的随机性,进化出来的神经网不确定性高,期望通过这种方式发现具备强智能的人工神经网 | ||
** 由于进化过程指引万千,进化过程计算量过于巨大,目前采用果蝇复眼神经网为进化对象 | |||
|- | |- | ||
第54行: | 第54行: | ||
** 这样既可以简化主控CPU的设计复杂度,降低功耗,又可以提高存储器访问效率; | ** 这样既可以简化主控CPU的设计复杂度,降低功耗,又可以提高存储器访问效率; | ||
** 最终实现存储器计算架构; | ** 最终实现存储器计算架构; | ||
** | ** 目前该项目已经完成了基于gem5模拟的架构设计任务,提出了PIM编程范式,模拟器模拟结果符合预期; | ||
** 目前该项目进入FPGA实现阶段。 | |||
|- | |- | ||
| | | | ||
第66行: | 第67行: | ||
** 在LILY的基础上,研制出VLIW/RISC融合型通用处理器LILY2。该处理器吸收了VLIW显示并行,低功耗的优点,又同时具备通用RISC处理器编程友好的特点; | ** 在LILY的基础上,研制出VLIW/RISC融合型通用处理器LILY2。该处理器吸收了VLIW显示并行,低功耗的优点,又同时具备通用RISC处理器编程友好的特点; | ||
** LILY2目前完成了RTL和GCC编译器,gem5模拟器等设计工作。 | ** LILY2目前完成了RTL和GCC编译器,gem5模拟器等设计工作。 | ||
** 基于通用处理器指令集的LILY2架构处理器已经完成RTL设计,通用性能和DSP性能均优于同类处理器。 | |||
** 基于Lily架构的高性能密码处理器已经应用在中星微高清视频监控系统芯片中。目前已经流片量产。 | ** 基于Lily架构的高性能密码处理器已经应用在中星微高清视频监控系统芯片中。目前已经流片量产。 | ||
[[File:Svac_chip.jpg|150px]] [[File:Svac_layout.jpg|210px]] | [[File:Svac_chip.jpg|150px]] [[File:Svac_layout.jpg|210px]] | ||
第101行: | 第103行: | ||
# 融合了顺序和VLIW的处理器体系结构及指令执行方法 | # 融合了顺序和VLIW的处理器体系结构及指令执行方法 | ||
受理专利 | 受理专利 | ||
# 一种计算存储一体的分布式计算机架构 | |||
# 扩展处理器寄存器堆容量的方法 | # 扩展处理器寄存器堆容量的方法 | ||
# 一种支持超标量与超长指令字混合架构处理器的分支预测方法 | # 一种支持超标量与超长指令字混合架构处理器的分支预测方法 |
2016年10月20日 (四) 01:46的版本
欢迎访问 清华大学数字信号处理器课题组!
|
|
Copyright © 2009-2016 DSP Laboratory, Institute of Microelectronics, Tsinghua University. All Rights Reserved. 清华大学微电子所数字信号处理器实验室 版权所有.