Ãtude des compromis espace/temps dans les systèmes reconfigurables, pour la technologie PSC
Bibliographic record
Abstract
Cette recherche a été effectuée dans le cadre du développement du langage psC, de la compagnie saguenéenne Novakod Technologies, un projet majoritairement subventionné par l'Agence spatiale canadienne, et auquel ont collaboré des chercheurs de l'Université du Québec à Chicoutimi. \nLe langage psC est un nouveau langage, supporté par un compilateur et un environnement intégré de développement, visant à faciliter la programmation de systèmes en temps réel, parallèles et reconfigurables. \nL'objectif de cette recherche était d'étudier, de réaliser et de comparer divers compromis espace-temps fondamentaux, dans le but de permettre au langage psC d'accélérer des calculs numériques habituellement réalisés par logiciel, au moyen de circuits reconfigurables, et à développer une bibliothèque d'opérateurs arithmétiques matériels, de fonctions logiques et de fonctions mathématiques répondant, dans la mesure du possible, aux besoins de psC dans le cadre de ce projet. Notre étude dresse, pour la première fois, un panorama général des mises en ?uvres d'opérateurs arithmétiques sur FPGA et apporte plusieurs constats importants. \nUne bibliothèque de composants arithmétiques et de fonctions élémentaires a été développée, testée, évaluée et livrée. Le développement de cette bibliothèque a donné lieu à une participation importante au déboguage et à l'amélioration des outils psC, qui étaient eux-mêmes en cours de développement. \nLes résultats de notre recherche nous ont permis de découvrir une architecture simple et économique pour la mise en ?uvre sérielle des opérations arithmétiques avec des opérandes et des résultats circulant bit de poids fort en tête. Cette architecture présente un intérêt pour la réalisation d'opérateurs arithmétiques à virgule flottante économiques. \nNous présentons une stratégie d'analyse pour l'estimation de la puissance de calcul d'un réseau d'opérateurs massivement parallèle. \nLes résultats de cette étude seront repris, dans le cadre d'un doctorat, en vue de réaliser un contôleur sur puce haute-performance pour la commande de moteurs AC à induction. \n \n
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".