Blocks: auf dem Weg zu Energieeffizienten, Grobkörnigen, Rekonfigurierbaren Architekturen (CGRA)

lt;p>Mark Wijtvliet ist Postdoc-Forscher an der Technischen Universität Dresden. Er erhielt seinen Doktortitel von der Universität Einhdoven im Jahr 2020 und den MSc-Abschluss von der Technischen Universität Eindhoven im Bereich Elektrotechnik im Jahr 2011. Er arbeitete zwei Jahre lang an einem gemeinsamen Projekt der Technischen Universität Eindhoven und der Technischen Universität Delft zur Erforschung von algorithmischen Skeletten auf FPGA-Implementierungen. Diese Forschung führte zur Inspiration der rekonfigurierbaren Blocks-Architektur. Ab 2014 arbeitete er weiter als Forscher an der Technischen Universität Eindhoven und begann 2014 seine Doktorarbeit in der Gruppe für elektronische Systeme im Rahmen des rCPS P3-Projekts. Während dieser Zeit war er auch Projektleiter des PR3-Studententeams, das eine Nutzlast für den Flug auf einer Höhenforschungsrakete baute, und nahm am HiPEAC-Austauschprogramm der CFAED-Gruppe an der Technischen Universität Dresden teil. Mark war auch an der Organisation und Lehre der Kurse Embedded Computer Architecture (in denen Blocks von vielen Studenten verwendet wurde) und Embedded Visual Control beteiligt. Seine Interessen umfassen energieeffiziente rekonfigurierbare Architekturen, Robotik und Raumfahrtanwendungen. Derzeit arbeitet er als Postdoc für die CFAED-Gruppe an der TU Dresden.

Henk Corporaal ist Professor für Architekturen eingebetteter Systeme an der Technischen Universität Einhoven (TU/e) in den Niederlanden. Er hat einen MSc in theoretischer Physik von der Universität Groningen und einen Doktortitel in Elektrotechnik auf dem Gebiet der Computerarchitektur von der Technischen Universität Delft erworben.

Corporaal ist Mitautor von über 500 Zeitschriften- und Konferenzbeiträgen. Darüber hinaus erfand er eine neue Klasse von VLIW-Architekturen, die transportgetriggerten Architekturen, die in mehreren kommerziellen Produkten und von vielen Forschungsgruppen verwendet werden.

Seine Forschungsarbeiten befassen sich mit leistungsarmen Multiprozessor- und heterogenen Verarbeitungsarchitekturen, ihrer Programmierbarkeit und dem vorhersagbaren Entwurf von Soft- und Hard-Echtzeitsystemen. Dazu gehören die Erforschung und der Entwurf von Architekturen für eingebettete Systeme, einschließlich CGRAs, SIMD, VLIW und GPUs, auf Beschleunigern, die Ausnutzung aller Arten von Parallelität, Fehlertoleranz, approximatives Rechnen, Architekturen für maschinelles und tiefes Lernen, Optimierungen und die Abbildung von Netzen für tiefes Lernen sowie die (halb-)automatische Abbildung von Anwendungen auf diese Architekturen. Veröffentlichungen können bei Google Scholar gefunden werden. Weitere Einzelheiten finden Sie unter corporaal.org.

Akash Kumar ist Vorsitzender des Lehrstuhls für Prozessorentwicklung (mit Festanstellung) am Fachbereich Informatik der Technischen Universität Dresden (TUD), Deutschland. Von 2009 bis 2015 war er an der Fakultät für Elektrotechnik und Computertechnik der NUS tätig. Er erhielt 2009 den gemeinsamen Doktortitel für Elektrotechnik in eingebetteten Systemen von der Technischen Universität Eindhoven (TU/e) und der National University of Singapore (NUS); 2005 erwarb er den gemeinsamen Master-Abschluss in eingebetteten Systemen von der TU/e und der NUS und 2002 den Bachelor-Abschluss in Computertechnik von der NUS.

Seine Forschungsinteressen umfassen verschiedene Aspekte der Entwurfsautomatisierung im Zusammenhang mit eingebetteten Echtzeitsystemen mit besonderem Schwerpunkt auf zuverlässigen, ressourceneffizienten und vorhersagbaren Architekturen für eingebettete Systeme, einschließlich FPGA-basierter Architekturen. Seine Forschung erstreckt sich über verschiedene Ebenen des Systemdesigns, vom Hardwaredesign bis zur Anwendungsanalyse. Er hat fast 170 Artikel in führenden internationalen Konferenzen und Fachzeitschriften im Bereich der Designautomatisierung veröffentlicht. Zusammen mit seiner Forschungsgruppe hat er viele Open

lt;p>1) Einleitung

2) CGRA-Hintergrund und verwandte Arbeiten

4) Der Blocks-Rahmen

5) Energie-, Flächen- und Leistungsbewertung

7) Fallstudie: die BrainSense-Plattform

8) Schlussfolgerungen und künftige Arbeiten