体系结构与高性能盘算研究所-PA视讯|PA真人官网-PLAYACE旗舰注册入口

体系结构与高性能盘算研究所

体系结构与高性能盘算研究所前身为北京理工大学ASIC研究所，2005年更名为嵌入式高性能盘算研究所，2010年更名为体系结构与高性能盘算研究所。自“十一五”以来，实验室完成了多项国家纵向科研课题，先后主持国家自然科学基金、国防预研项目、国家重点研发计划子课题等国家级项目。研究所现有实验室面积236平方米，配置有多台高性能服务器、FPGA设计平台等。研究所现有专职教师7人，在读博士生2人，在读硕士生35人。果真发表论文230余篇，其中EI检索论文150余篇，SCI检索论文70余篇。授权国家发现专利30余项。

研究所主要从事盘算机辖档挽域相关技术研究，即上图中虚线下方的盘算机系统软硬件设计研究，以“高性能、低功耗、宁静、可靠、易用、可扩展”为设计目标，探索新型微处置惩罚器体系架构、基础软件的实现与优化。具体科研偏向如下：

1.微处置惩罚器体系架构研究

研究所石峰教授于2005年提出基三众核架构（Triplet-Based Many-core Architecture，TriBA），TriBA是一种新颖的从底层支持面向工具技术的多核并行体系架构，该架构由通信子网络TriBA-cNoC和内存子网络TriBA-mNoC组成，并接纳了基于瓦片（Tile-based）的结构布线要领和模块化的设计理念。虽然其拓扑结构具有3D气势派头，但却能够将两种子网络集成在同一个硅平面上，在实现晶圆面积的最佳使用效率的同时能够实现相同单元模块的重用。该偏向以基三众核架构为主要研究工具，以提高其性能和可用性为主要目标，对该架构的路由算法、结构布线战略、片上存储、防死锁战略等要害技术进行系统研究。

2. 并行与高性能盘算

应用软件的焦点是由搜索、排序、方程/方程组求解、最优化目标求解等基础算法组成，这些算法的焦点又是由矩阵向量盘算、FFT、卷积等通用算子组成。我们致力于通用、焦点算法/算子在现代异构、并行盘算机系统上的实现优化，对稠密矩阵盘算、稀疏矩阵盘算等开展深入研究，提出了许多优化要领，如基于数学形态学的稀疏矩阵划分与SpMV盘算优化等，部门结果已经应用于华为软件开发云等企业产物中。面向电磁仿真、分子对接、电路仿真等科学和工程问题，在应用级、算法级和算子级进行法式性能优化是本科研偏向的主要任务。

由于现代盘算机系统基本上都属于并行盘算机系统，并行编程已成为法式设计和开发人员需要掌握的基本技术。然而，普通法式员通常对盘算机体系结构认识不足，因此需要并行编程模型充当上层应用与底层硬件体系结构之间的桥梁。我们研究基于任务的并行编程模型，通过编译和运行时系统实现任务的划分、调治、同步和通信等，为法式员提供简朴易用的编程接口，使其既可以充实利用富厚的系统资源、又不必考虑庞大的硬件细节。

3. AI4Science

随着人工智能的蓬勃生长，AI技术正助力于人类对宏观世界和微观世界的探索，在天体物理学、药物筛选、卵白质结构预测等科学研究领域已获得广泛应用。我们实验将机械学习和深度学习要领应用于矩阵盘算、虚拟药物筛选等研究中，与传统基于盘算的方式相结合，为提高系统性能和效率开辟新的思路。

4. 云盘算与大数据技术、社会盘算

基于AI的应用领域技术研究（基于大模型、图神经网络、Transformer等解决应用领域特定问题）；基于Hadoop/Spark/Flink处置惩罚平台的GPU加速技术研究；SQL+NOSQL混淆数据库模式的大数据处置惩罚技术研究；机械学习算法的并行化研究；社会盘算技术研究（与奥克兰大学相助，涉及图论，庞大度理论，盘算机科学，心理学等学科）。

5. 面向盘算机视觉的深度模型反抗技术

近年来，深度学习技术逐渐兴起，在各个学科领域都体现出优异的性能，被各人广泛认可与使用。然而，这项新兴技术在被广泛应用的同时，也有许多宁静性问题随之泛起。大量研究讲明，基于深度学习的模型很容易被欺骗，例如，在盘算机视觉领域的图像分类任务中，攻击者通过在图像中添加微小的扰动，在人类视觉无法察觉的情况下，即可使得深度学习模型泛起错误的分类结果。为了越发深入的了解深度学习脆弱性发生的原因，促进人们对其所存在的宁静隐患了解与重视，生长越发宁静可信的人工智能技术，本偏向以深度学习在盘算机视觉领域的应用为配景，面向黑盒模型情况，研究图像分类反抗样本的生成要领，促进深度模型的宁静应用。