摘要：类脑计算领域目前的研究主要聚焦于如何进行高性能且低功耗的大规模类脑仿真.NEST类脑仿真器应用生态完整,可支持大规模仿真并且具有良好的可扩展性,是目前类脑计算领域中应用最为广泛的仿真器.针对NEST仿真器进行大规模仿真时运行速度慢、运行功耗高的问题,设计并实现了基于异构计算平台的NEST类脑仿真器.本设计采用硬件加速神经元更新、数据重排序设计、多线程设计、软硬件协同设计等方法优化了系统整体性能,在保证NEST仿真器良好应用生态的同时获得更高的计算能效.通过在Xilinx ZCU102异构计算平台上实现该仿真器,实验结果表明:在对经典的类脑应用皮质层视觉模型进行仿真时,神经元更新部分性能是AMD3600X的11.9倍,PYNQ集群的1.2倍,能效是AMD3600X的57.9倍、PYNQ集群的3.1倍;NEST仿真器整体性能是AMD3600X的2.0倍,PYNQ集群的2.1倍,能效是AMD3600X的10.1倍、PYNQ集群的5.8倍,为基于NEST进行大规模类脑仿真提供了一种更高能效的方式.

摘要：研究开源计算流体力学软件OpenFOAM中典型不可压求解器icoFoam在异构平台上的并行算法,针对OpenFOAM设计了多异构平台兼容的数据存储结构,并结合可移植异构计算接口(HIP),提出了在两种主流异构平台上移植icoFoam的方案;同时,提出了一种在icoFoam中使用Krylov子空间线性求解器时高效的矩阵格式转换算法,并耦合hipSPARSE和hipBLAS库实现了压力和速度方程的高效求解。实验表明,该统一的移植方案在AMD和NVIDIA异构计算平台上,均使得icoFoam求解器的计算效率得到较大幅度的提升,相比于CPU,可分别获得20.5倍和38.4倍的加速效果。

摘要：针对当前数字电路自动测试领域,对通用板级自动测试系统进行了设计,完成了系统方案的设计开发和测试验证。为了解决通用板级自动测试系统的测试数据量大、本地存储容量不足、测试向量与被测试目标无法自动化匹配、无法进行批量快速测试等问题,采用云边协同架构设计了通用板级自动测试系统,避免了大量数据传输和数据集中式处理,使得云端计算资源能够集中解决关键数据处理任务。为了提高板级测试平台的通用性,使平台适配不同接口的电路板,同时具有高速网络数据处理能力,系统选用精简命令集处理器和现场可编程门阵列(Advanced RISC machines,Filed programmable gate array,ARM+FPGA)的异构计算平台作为边缘设备。为了提高系统的测试效率,采用模块化的设计思想,系统硬件测试平台设计了多总线分布式结构。系统采用扇出导向(Fan-out-oriented,FAN)算法生成测试向量,并基于浏览器/服务器(Brower/Server,B/S)架构设计了用户操作界面,用户可通过浏览器进行测试操作,完成板级自动故障测试,并自动生成故障诊断报告。实验结果表明,对两个待测板卡进行测试验证,通用板级自动测试系统可以自动识别目标板卡,自动匹配测试向量,进行自动测试,生成测试报表。基于云边协同的通用板级自动测试系统提高了测试效率,满足数字电路板卡出厂前批量测试的需求,具有实际应用价值。