MIT研发新型“动态处理器缓存”技术:可提升30%性能

最新更新时间:2017-07-11来源: cnbeta 关键字:MIT 手机看文章 扫描二维码
随时随地手机看文章

现代处理器普遍依赖于一套内存模组来缓存数据,从而提升处理器在执行日常计算任务时的速度。不过即便有了这个相对较快的缓存,其在执行某些任务时仍有一些限制。一个形象点的例子是 —— 你该怎么将一枚方形的钉子穿过圆孔呢?为了克服这个问题,制造商们尝试过增大缓存的规模,但又迟早会遇到相同的负面效应。好消息是,麻省理工电气工程与计算机科学系助理教授 Daniel Sanchez 解释了一个全新的概念。

上图为运行四个应用程序的36块Jenga 系统,其给予了每个应用程序一组定制的虚拟缓存层级:“试想一下用这些分布式物理内存资源,来构建专门面向应用程序的层级,以取得最大性能”。

MIT 计算机科学与人工智能实验室(CSAIL)已经在一颗新型处理器上进行了模拟,其替换掉了固定缓存,转而采用一种更加动态的内存机制,以迎合不同的应用需求并减少进程的迟滞。

模拟发现,‘Jenga’系统可以将整体处理性能提升30%,并将能耗降低85% 。如果将之整合到现代处理器中,对现代智能设备也是一个极大的利好。Sanchez 继续说到:

这取决于应用程序的多个方面,比如其访问的数据大小、是否有层次重用、可否因逐渐扩大的内存获益、是否透过某种数据结构进行扫描、数据访问是否频繁(或是单次大访问)、将数据下放到主内存后会对性能产生多大影响等,所有这些都有不同的权衡。

需要指出的是,当前其仍停留于理论模拟阶段,且 MIT 尚未打造出一台工作原型。至于未来的发展潜力,仍有待时间去检验。

关键字:MIT 编辑:王磊 引用地址:MIT研发新型“动态处理器缓存”技术:可提升30%性能

上一篇:崇越半导体业务看正向,Q3营收估升温
下一篇:新发现:手机电脑晶体管可以在绝对零度环境下工作

推荐阅读最新更新时间:2023-10-12 23:48

MIT公布最新黑科技 机器人掌握的技能将越来越多
机器人专家正在开发可以通过观察人类来学习新任务的自动化机器人。在未来,培训交互式机器人可能一天对每个人来说都是一件容易的事,即使那些没有编程专业知识的人也是如此。这可以实现在家里,您可能有一天会向家用机器人展示如何做日常杂务,在工作场所中,您可以像新员工一样训练机器人,向他们展示如何执行许多职责。想想黑镜中的场景,到那时,机器人会掌握更多的技能。 为了实现这一愿景,麻省理工学院的研究人员设计了一个系统,使这些类型的机器人可以学习复杂的任务,原先,按照机器人编程思维,这些日常任务就会用太多令人困惑的规则来阻碍它们,而自己人的自我学习则可以避开他们。这样的系统最后任务之一是在某些条件下为人设置餐桌。 研究人员的这
[机器人]
MIT研发成功Fiberbots机器人,可自动制造搭建紧急庇护所的框架结构
麻省理工学院开发的 Fiberbots,让我们看到机器人在建筑、艺术和设计制造领域的潜力。在其发布的一段视频中,展示了该机器人如何从头开始构建自支撑的管状结构,并且可以自动调整它们的形状和方向。 T 的介导物质研究团队(Mediad Matter Group),希望在不使用预制组件的情况下实现自然设计,正如蜜蜂和小蚂蚁等动物协力建造更大的房屋,或者蜘蛛将其网状物的厚度和形状、调整到与周围环境相一致。 Fiberbots 机器人,它们能够以协作和响应的方式工作,使用者可以设置一组简单的参数,然后然让 Fiberbots 自由发挥。 这种自主式机器人不仅可以用于艺术创作,还有望在遇到灾害后,自动制造搭建紧急庇护
[机器人]
MIT发明3D石墨烯:世界上强度最高最轻巧的材料
  长久以来,材料学家就知道,可以通过精心排布碳原子的方式获得强度超高的物质。下面就随嵌入式小编一起来了解一下相关内容吧。   例如:石墨烯。迄今为止,石墨烯是人类已知的强度最大的材料,其由在非常薄的二维平面上排列的碳原子所成。   但是它有一个缺点:虽然它的薄度和独特的导电性能值得关注,可是要用石墨烯来制造出有用的三维形态的材料是非常困难的。   去年1月,麻省理工学院的一支研究团队发现,利用小片的石墨烯,将它们融合成网状结构不仅可以保留材料的强度,而且保持了材料的多孔性态。   根据在3D打印模型上进行的实验,研究人员已经确定,这种材料具有独特的几何结构,实际上比石墨烯更强——强度比低碳钢强10倍,但密度只有后者5%。   
[嵌入式]
MIT研发“读心机”:你不张嘴就知道想说什么
  亚马逊发明的Alexa和Echo智能音箱,让人类社会进入了语音互联网时代,互联网变成一个更具人性化的“语音小秘书”。不过在某些情况下,当众发出语音指令显得有些尴尬,人们需要一种更加隐秘的语音输入工具。下面就随嵌入式小编一起来了解一下相关内容吧。   据外媒最新消息,美国麻省理工学院的研发团队,成功开发出一种语言识别工具,在用户还没有说出话时,就能够识别出说话内容。   众所周知的是,亚马逊Alexa、谷歌助手在内的产品,早已经走出了智能手机、智能音箱等应用范围,开始覆盖各种硬件或者软件工具,比如用Alexa开车,或是在公司内使用Alexa打开办公设备、仓库管理系统等等。   如同办公使用的个人电脑,如果用户能够通过不在公开场
[嵌入式]
MIT开发太赫兹级石墨烯芯片 为光信号传输处理开辟新领域
  7月6日消息,美国麻省理工学院(MIT)的研究人员们透过在两层铁电材料间夹进高迁移率的石墨烯薄膜,从而实现可直接在光信号上操作的太赫兹(terahertz; THz)级频率 芯片 。   根据麻省理工学院,这种新材料堆栈可望带来比当今密度更高10倍的内存,并打造出能直接在光信号上操作的电子组件。   “我们的研究成果可望为光信号的传输与处理开启令人振奋的崭新领域,”MIT博士后研究员Dafei Jin表示。这项研究是由Dafei Jin以及MIT教授Nicholas Fang、Jun Xu、博士生Anshuman Kumar Srivastava与前博士后研究员Kin-Hung Fung(目前在香港理工大学)共同合作。
[半导体设计/制造]
<font color='red'>MIT</font>开发太赫兹级石墨烯芯片 为光信号传输处理开辟新领域
IBM和MIT将合作10 年,花2.4 亿美元建AI 实验室
  这可以说是学界和业界的一次强强联手了。近日,据外媒报道, IBM  决定投资 2.4 亿美元,在 10 年时间里和  MIT (麻省理工学院)合作建立一个 AI 实验室。实验室位于剑桥的  IBM 沃森健康和网络安全中心总部,靠近麻省理工学院。下面就随网络通信小编一起来了解一下相关内容吧。    MIT - IBM  AI 沃森实验室未来将通过开发新的 AI 算法来提高机器学习的能力,同时研究新的硬件材料、设备等用于支持人工智能的发展和改进。另外,实验室也将致力于把研究应用于行业,如医疗、网络安全等。   除了这些未来计划,该实验室还有一些确定的发展目标,比如说鼓励麻省理工学院的学生和 IBM 的科学家合作,共同推广实验室的
[网络通信]
MIT研究人员解决无人驾驶汽车一大难题:突破雾障
麻省理工学院媒体实验室(MIT Media Lab)的研究人员已经研发出一种全新的图像系统,这一系统能够测算出被浓雾覆盖且人眼看不清的物体的距离。 麻省理工学院媒体实验室研究这种图像感应系统的主要目标,就是要把相关的技术整合到无人驾驶汽车之中,这样,即使是在恶劣天气环境下,无人驾驶汽车也能够避开障碍物,不会撞上这些障碍物体,从而避免碰撞车祸。 这种图像感应系统利用“飞行时间(TOF)”照相机技术,这种相机技术可以对着物体发出激光短脉冲,然后再测算出激光从物体返回所需的时长。一般而言,浓雾会分散激光,让无人驾驶汽车很难识别,但是,研究人员研发出一种算法,找到了让分散激光显示障碍物距离的方法。 在麻省理工学院媒体实验室的相机文化部门
[嵌入式]
MIT新方法利用光学加速机器学习计算 可助自动驾驶汽车实时决策
向居家设备询问天气预报信息时,设备通常都需要几秒时间来做出反应,出现时间延迟的原因在于,该网联设备没有足够的内存或能量来存储和运行其所需的大量机器学习模型,以理解用户的要求。此类模型被存储在数百英里外的数据中心,答案在数据中心被计算出来,再被发送给该设备。 据外媒报道,美国麻省理工学院(MIT)的研究人员研发了一种可以在此类设备上直接进行计算的方法,可大大减少延迟。该方法将运行机器学习模型的内存密集型步骤转移到一个中央服务器,该模型的组成部分在该服务器中被编码到光波上。 智能收发器(图片来源:MIT) 然后,光波通过光纤被传输到一个网联设备上,从而让大量的数据可以通过网络以闪电般的速度被传输。之后,接收器会采用一
[汽车电子]
<font color='red'>MIT</font>新方法利用光学加速机器学习计算 可助自动驾驶汽车实时决策
小广播
最新半导体设计/制造文章
换一换 更多 相关热搜器件
随便看看

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 市场动态 半导体生产 材料技术 封装测试 工艺设备 光伏产业 平板显示 EDA与IP 电子制造 视频教程

词云: 1 2 3 4 5 6 7 8 9 10

北京市海淀区中关村大街18号B座15层1530室 电话:(010)82350740 邮编:100190

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved