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
无编辑摘要 |
|||
(未显示同一用户的135个中间版本) | |||
第2行: | 第2行: | ||
<!-- Author: Deyuan Guo --> | <!-- Author: Deyuan Guo --> | ||
<!-- Copyright ? 2009-2013 DSP Laboratory, Institute of Microelectronics, Tsinghua University. --> | <!-- Copyright ? 2009-2013 DSP Laboratory, Institute of Microelectronics, Tsinghua University. --> | ||
欢迎访问 | 欢迎访问 清华大学数字信号处理器实验室! | ||
<!-- Two columns --> | <!-- Two columns --> | ||
第10行: | 第10行: | ||
{| class="wikitable" width="99%" style="border;1px" | {| class="wikitable" width="99%" style="border;1px" | ||
| | |||
=== ◇ | |||
=== ◇ 实验室简介 === | |||
|- | |- | ||
| | | | ||
本实验室隶属于清华大学微电子所,主要从事高性能处理器系统设计,类人智能研究。 | |||
实验室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,王旭,李丽斯,李源,侯毓敏博士。 研究生尚瑛杰、赵烁,范军,董丽亚,张坤宁,孙庆斌,巩杰,王麒淋,吴茜凤。 | |||
* '''主要专注方向''' | * '''主要专注方向''' | ||
** 高性能数字信号处理器(DSP)设计 | ** 高性能数字信号处理器(DSP)设计 | ||
** | ** 嵌入式高性能CPU IP设计 | ||
** | ** 计算存储一体计算机体系架构 | ||
** | ** 仿生型脉冲神经网络 | ||
|- | |- | ||
第41行: | 第30行: | ||
{| class="wikitable" width="99%" style="border;1px" | {| class="wikitable" width="99%" style="border;1px" | ||
| | |||
=== ◇ 科研成果展示 === | === ◇ 科研成果展示 === | ||
|- | |||
| | |||
[[File:LilyARM_pipeline.jpg|400px|thumb|LilyARM处理器架构]] | |||
* '''超标量(Superscalar)/超长指令字(VLIW)混合架构处理器'''[[File:thu-dsp-logo-60x44.bmp|20px]]''LilyARM'' | |||
** 采用超标量和超长指令字混合流水线设计技术(11级流水线) | |||
** 在六发射VLIW流水线基础上实现双发射超标量指令执行 | |||
** 首次实现VLIW流水线分支预测功能 | |||
** 兼容ARM v7a 指令集,1.9DMIPS/MHz,实测频率150MHz | |||
** 实现了模拟电路隐蔽型硬件木马和抗硬件木马设计(R2D2: Runtime Reassurance and Detection of A2 Trojan Accepted by HOST 2018 and TCAD) | |||
** 集成了嵌入式1Mb的ReRAM | |||
** 与厦门半导体投资集团有限公司合作,开发高性能RISC-V指令集嵌入式CPU IP。开发代号Egret。 | |||
[[File:Merlin.jpg|240px|Merlin Die]] [[File:Merlin_chip.jpg|180px|Merlin Chip]] | |||
|- | |||
| | |||
[[File:enn.png|150px|thumb|Evolution Neural Network]] | |||
* '''仿生型自生长神经网''' | |||
** 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 | |||
** 生物神经网既有精巧的信号处理网络,也有鲁棒性高,通用性好的学习网络 | |||
** 生物网络天生具备因果学习机制,能够进行因果的学习和推理 | |||
** 生物神经网络具备后天生长特性,可以增加神经网络原来不具备的功能 | |||
** 生物神经网的记忆是分布式的,采用内容提取记忆的方式 | |||
** 最新成果:He H, Yang X, Xu Z, Deng N, Shang Y, et al. (2019) Implementing artificial neural networks through bionic construction. PLOS ONE 14(2): e0212368. https://doi.org/10.1371/journal.pone.0212368; Xu Yang, Guo Liu, Songgaojun Deng, Zichao Wei, Hu He*, Yingjie Shang, Ning Deng. Artif Intell Rev (2018). https://doi.org/10.1007/s10462-018-9626-2 | |||
|- | |||
| | |||
[[File:Pim.jpg|200px|thumb|Processing In Memory]] | |||
* '''Processing In Memory''' [[File:thu-dsp-logo-60x44.bmp|20px]]''PIM'' | |||
** 清华大学微电子所与三星半导体成立了联合实验室; | |||
** 计算存储一体架构研究就是该联合实验室研究课题之一; | |||
** 项目目标是在传统DDR存储器中三维集成一个专用数据处理器; | |||
** 通过分布式计算将部分数据处理任务从CPU分配到DDR存储器; | |||
** 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; | |||
** 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; | |||
** 完成了FPGA仿真过程,实现了主控CPU+LINUX以及PIM处理器原型验证。 | |||
** 目前正在完善软件编程模型。 | |||
**最新成果:A Processing-in-Memory Architecture Programming Paradigm for Wireless Internet-of-Things Applications. Sensors 2019, 19(1), 140; https://dx.doi.org/10.3390/s19010140 | |||
|- | |- | ||
| | | | ||
[[File:Lily.jpg|thumb|Lily处理器架构]] | [[File:Lily.jpg|thumb|Lily处理器架构]] | ||
* '''可配置超长指令字处理器''' [[File:thu-dsp-logo-60x44.bmp|20px]]''Lily'' | * '''可配置超长指令字处理器''' [[File:thu-dsp-logo-60x44.bmp|20px]]''Lily'' | ||
** | ** 在2006年信息产业部集成电路发展资金的资助下,清华大学数字信号处理器实验室开始了商业化DSP的研究,开发代号LILY; | ||
** 体系结构相关论文“Architecture Design of A Variable Length Instruction Set VLIW DSP”刊发于清华学报英文版; | ** 体系结构相关论文“Architecture Design of A Variable Length Instruction Set VLIW DSP”刊发于清华学报英文版; | ||
** 申请了两项体系结构专利(200810006836.7,200810101451.9); | ** 申请了两项体系结构专利(200810006836.7,200810101451.9); | ||
第55行: | 第80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。 | ||
*[[File:Svac_chip.jpg| | ** 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。 | ||
** 北京中星微电子有限公司和清华大学获得2018年度北京市科学技术一等奖。 | |||
** 论文:CDSP: A Solution for Privacy and Security of Multimedia Information Processing in Industrial Big Data and Internet of Things, https://doi.org/10.3390/s19030556 | |||
[[File:Svac_chip.jpg|150px|SVAC SoC Chip]] [[File:Svac_layout.jpg|210px|SVAC SoC Die]] | |||
|- | |- | ||
| | | | ||
第75行: | 第103行: | ||
{| class="wikitable" width="99%" style="border;1px" | {| class="wikitable" width="99%" style="border;1px" | ||
| | |||
=== ◇ 专利列表 === | === ◇ 专利列表 === | ||
|- | |- | ||
| | | | ||
# | 授权专利 | ||
# | # 一种超长指令字处理的方法和装置 | ||
# | # 一种超长指令字指令并行执行方法及装置 | ||
# | # 完成两次乘法两次加法两次位移的微处理器实现方法 | ||
# | # 微处理器(CN201010033646.1) | ||
# | # 一种多周期指令执行方法和装置 | ||
# | # 支持同时多线程的超长指令字处理器结构 | ||
# | # 一种交替访问寄存器的装置及其方法 | ||
# 融合了顺序和VLIW的处理器体系结构及指令执行方法 | |||
# 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 | |||
# 一种改进型PAp分支预测方法 | |||
# 一种计算存储一体的分布式计算机架构 | |||
# 超标量处理器中指令相关性检测的方法 | |||
# 一种以现场可编程门阵列的逻辑片为基本单元模拟生物神经元网络的方法 | |||
# 一种基于进化算法的自适应学习神经网络实现方法 | |||
# 一种基于现场可编程门阵列实现神经网络计算的方法 | |||
# 一种自生成神经网络构建方法 | |||
受理专利 | |||
#一种脉冲神经网络的多层训练算法 | |||
|- | |- | ||
|} | |} | ||
第103行: | 第144行: | ||
: [[杨旭 | 杨旭 - Xu Yang]] | : [[杨旭 | 杨旭 - Xu Yang]] | ||
: [[郭德源 | 郭德源]] - [[Deyuan Guo | Deyuan Guo]] | : [[郭德源 | 郭德源]] - [[Deyuan Guo | Deyuan Guo]] | ||
: [[Yuan Liu | 刘源 - Yuan Liu]] | : [[Yuan Liu | 刘源 - Yuan Liu]] | ||
* 指令集文档下载 | * 指令集文档下载 | ||
第111行: | 第151行: | ||
* 密码处理器IP | * 密码处理器IP | ||
: [[media: | : [[media:密码处理器介绍.pdf | 密码处理器IP(CDSP)简介]] | ||
* 开源软件工具链开发 | * 开源软件工具链开发 | ||
第123行: | 第163行: | ||
| | | | ||
* [http://www.ime.tsinghua.edu.cn 清华大学微电子所] | * [http://www.ime.tsinghua.edu.cn 清华大学微电子所] | ||
* [http://www.xmsig.com 厦门半导体投资集团有限公司] | |||
* [http://www.vimicro.com 中星微电子有限公司] | |||
* [http://hpc.cs.tsinghua.edu.cn 清华大学计算机系高性能所] | * [http://hpc.cs.tsinghua.edu.cn 清华大学计算机系高性能所] | ||
|- | |- | ||
|} | |} | ||
第138行: | 第178行: | ||
<font size="1"> | <font size="1"> | ||
Copyright © 2009- | Copyright © 2009-2019 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. | ||
</font> | </font> |
2019年3月29日 (五) 00:42的版本
欢迎访问 清华大学数字信号处理器实验室!
|
|
Copyright © 2009-2019 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.