ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ - ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ SITE MAP | ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ - ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΛΛΗΝΙΚΑ | ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ - ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ ENGLISH
Παρασκευή, 27/02/2015   -   Ομιλίες
Σεμινάριο Τμήματος με τίτλο:"Συσχετιστικές μνήμες τύπου NAND: σχεδίαση ανεκτική σε σφάλματα και μοντελοποίηση για αρχιτέκτονες υπολογιστών", Αριστείδης Ευθυμίου

Στο πλαίσιο της διοργάνωσης των εβδομαδιαίων σεμιναρίων του τμήματος, θα πραγματοποιηθεί την Παρασκευή 27/02/2015 και ώρα 12:00 στην αίθουσα Σεμιναρίων του Τμήματος Μηχανικών Η/Υ και Πληροφορικής, ομιλία με τίτλο "Συσχετιστικές μνήμες τύπου NAND: σχεδίαση ανεκτική σε σφάλματα και μοντελοποίηση για αρχιτέκτονες υπολογιστών". Ομιλητής θα είναι ο κ. Αριστείδης Ευθυμίου, Επίκουρος Καθηγητής του Τμήματος Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστημίου Ιωαννίνων.

ΠΕΡΙΛΗΨΗ

Οι συσχετιστικές μνήμες (Content-Addressable Memories - CAM) είναι εξαιρετικά χρήσιμες σε εφαρμογές που απαιτούν ταχύτατη αναζήτηση ενός στοιχείου μέσα από ένα σύνολο αποθηκευμένων τιμών, διότι η σναζήτηση γίνεται παράλληλα σε όλα τα δεδομένα που είναι αποθηκευμένα. Συχνά χρησιμοποιούνται ως πίνακες δρομολόγησης σε μεταγωγούς δικτύων και ως πίνακες ετικετών (tag) σε κρυφές μνήμες επεξεργαστών. Υπάρχουν δύο κύριες κατηγορίες συσχετιστικών μνημών, τύπου NAND και τύπου NOR. Οι ΝAND αν και θεωρούνται βραδύτερες, έχουν σημαντικά χαμηλώτερη κατανάλωση ενέργειας. Η ομιλία αυτή πραγματεύεται δύο θέματα σχετικά με συσχετιστικές μνήμες τύπου NAND. Πρώτα θα αναπτυχθεί η σχεδίαση της πρώτης NAND CAM που είναι ανεκτική σε σφάλματα και στη συνέχεια το πρώτο μοντέλο μιας τυπικής NAND CAM κατάλληλο για χρήση από αρχιτέκτονες υπολογιστών. Σε ψηφιακά κυκλώματα κατασκευασμένα σε σύγχρονες νανομετρικές τεχνολογίες εμφανίζονται στιγμιαία λάθη κατά τη διάρκεια της λειτουργίας τους. Ειδικά σε μνήμες, τα λάθη αυτά μπορεί να προκαλέσουν την αλλαγή της αποθηκευμένης πληροφορίας, δηλαδή την αντιστροφή κάποιων bit. Σε μνήμες RAM, το φαινόμενο αυτό αντιμετωπίζεται με τη χρήση ειδικών κωδικοποιήσεων με πλεονάζουσα πληροφορία (Error-Correcting Codes), ώστε να ανιχνεύονται και να διορθώνονται τα λάθη αυτά μετά από μία ανάγνωση. Όμως, η εφαρμογή αυτής της ιδέας σε μνήμες CAM είναι εξαιρετικά δύσκολη, αφού όλες οι γραμμές της μνήμης θα πρέπει πρώτα να διορθωνονται και στη συνέχεια να συγκρίνονται με την προς-αναζήτηση τιμή. Το πρόβλημα αυτό ξεπερνιέται με μία νέα σχεδίαση, η οποία σε κάθε σύγκριση μετράει αν ο αριθμός των διαφορετικών bit μεταξύ της αποθηκευμένης και της προς-αναζήτηση τιμής είναι μεγαλύτερος από ένα για να αποφασίσει αν υπάρχει ταύτιση η όχι. Κωδικοποιώντας τα δεδομένα ώστε να έχουν απόσταση Hamming τουλάχιστον 3, διαφορές μέχρι και 1 bit αγνοούνται και οι λέξεις θεωρούνται ταυτόσιμες. Στην ουσία η προτινώμενη NAND CAM μπορεί να «διορθώσει» μέχρι 1 λάθος bit ανά αποθηκευμένη λέξη ταυτόχρονα με την αναζήτηση. Η προτεινόμενη NAND CAM είναι σημαντικά ταχύτερη και από μια αντίστοιχη NOR CAM με ικανότητα «διόρθωσης» και καταναλώνει λιγότερη ενέργεια ανά αναζήτηση. Οι αρχιτέκτονες υπολογιστών χρειάζονται μοντέλα για μνήμες διαφόρων ειδών τα οποία, δεχόμενα ως είσοδο έναν αριθμό από απλές παραμέτρους όπως μέγεθος λέξης, χωρητικότητα, τεχνολογικός κόμβος, υπολογίζουν ταχύτητα, κατανάλωση ενέργειας και εμβαδό πυριτίου με ικανοποιητική ακρίβεια. Δυστυχώς, μέχρι τώρα δεν υπήρχε ένα τέτοιο μοντέλο για NAND CAMs, με αποτέλεσμα οι αρχιτέκτονες να μην είναι σε θέση να εξετάσουν τη χρήση αυτής της μνήμης. Στην ομιλία θα παρουσιαστεί το πρώτο μοντέλο για NAND CAMs. Στηρίζεται στην αντιστοίχιση κυκλωμάτων με δικτυώματα ισοδύναμων αντιστάσεων και πυκνωτών, ώστε όλοι οι υπολογισμοί να γίνονται χωρίς να απαιτείται λεπτομερής σχεδίαση σε επίπεδο τρανζίστορ και προσομοίωση ή ανάλυση χρονισμού. Επιπλέον, αναπτύχθηκε μια γενική μέθοδος διαμερισμού της λέξης της CAM σε τμήματα, ώστε να μπορούν να εξεταστούν όλοι οι διαφορετικοί τρόποι εσωτερικής οργάνωσης της NAND CAM και να επιλεχθεί αυτή που δίνει τα καλύτερα αποτελέσματα. Η ακρίβεια του μοντέλου αξιολογήθηκε συγκρίνοντας τα αποτελέσματά του με αυτά λεπτομερών προσομοιώσεων επιπέδου τρανζίστορ και η διαφορά είναι της τάξης του 6%.

©2010 DEPARTMENT OF COMPUTER SCIENCE & ENGINEERING - UNIVERSITY OF IOANNINA
created by data|SCIENCE

Valid XHTML 1.0 Strict Valid CSS!