MétaCan
Menu
Retour à la cohorte
Enregistrement W4289827859 · doi:10.1109/ipdpsw55747.2022.00115

Elastic Multi-Context CGRAs

2022· article· en· W4289827859 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revue2022 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW) · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueEmbedded Systems Design Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceDataflowParallel computingContext (archaeology)Context switchOverhead (engineering)TraverseReconfigurabilityComputer architectureEmbedded systemProgramming languageOperating system

Résumé

récupéré en direct d'OpenAlex

A key aspect of Coarse-Grained Reconfigurable Arrays (CGRAs) is dynamic reconfigurability, where multiple configurations, or contexts, are loaded into the CGRA to time-multiplex its resources. This feature allows the CGRA to accommodate larger applications without a significant increase in its size. Context switching is typically centralized, using the system clock to synchronously cycle through configurations simultaneously across CGRA resources. This approach is unable to efficiently accommodate variable-latency operations. Elastic CGRAs were proposed to handle such operations via an architecture that operates according to a dataflow paradigm. However, elastic solutions are single context by nature, which limits their applicability to smaller application kernels. Time-multiplexed multi-context and elastic CGRAs are thus naturally incompatible with one another. In this paper, we aim to overcome this incompatibility and propose an architectural framework that is capable of generating elastic CGRAs with multi-context support. Elastic primitives that traverse contexts in a distributed fashion are introduced. We also extend conventional mapping solutions to handle the new architectures. Finally, we evaluate the area and performance overhead for elastic multi-context CGRAs over single context ones with equal processing capacity.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,274
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle