加入收藏 | 设为首页
开放课题
您当前的位置:首页 > 开放课题 > 指南通告

2011年度开放课题指南

 简介

 
中国科学院计算机系统结构重点实验室是我国计算机系统结构领域的重要科研基地之一。它的主要任务是研究和发展计算机系统结构相关领域的基础理论和关键技术。现阶段重点围绕超并行计算机系统和多核处理器开展基础研究和高技术前沿探索,为高性能计算机系统和高性能处理器设计领域的发展持续提供创新方法和关键技术。为提高实验室的开放层次,提高学术水平和技术水平,增进国内外学术交流与合作,促进人才流动与学科交叉渗透,特设开放研究课题。欢迎国内外相关领域的科研工作者参与实验室的开放课题研究。
 
 
指南的制定原则
 
为促进计算机系统结构领域内的新理论、新思想和新技术、新方法的发展,加强国内外学术思想与人才的交流,本实验室特设立开放研究课题,资助有关人员来本实验室从事计算机系统结构的基础理论、关键技术研究和应用基础研究。
指南的制定原则如下:
1、 根据我国计算机系统结构领域的发展战略,着眼于国民经济建设的当前和长远的需要和国际学科发展的前沿;
2、 鼓励具有开拓性、前瞻性、创造性和高层次理论和技术的自主创新研究及具有重大应用前景的项目;
3、 利于促进多学科的交叉渗透和多部门的联合攻关,有利于建立和发展国际合作的新格局,有利于人才培养和学科的发展;
4、 鼓励和支持从事计算机系统结构的青年科技工作者,尤其是博士后、博士生和海外留学人员在本实验室进行开放课题研究;
5 、资助项目的申请者要求与本室科研人员协同工作。
 
 
三、本年度建议开放课题的研究方向
 
本年度建议开展课题如下(可不限于以下课题):
 
题目1:FPGA设计的软错误分析和可靠性设计技术
 
问题描述:基于SRAM的FPGA器件中,应用设计的逻辑和互连电路由SRAM构成的编程点(Configuration Bit)所控制。SRAM较易受到高能粒子、电离辐射的攻击,引起其逻辑状态的翻转从而造成逻辑电路功能的错误,是采用FPGA的应用电路及其系统中较易发生的软错误;同时在FPGA中,因其改变了编程点的逻辑状态,因此除非对电路进行重新编程,这种错误又可以是永久性的。软错误严重影响了基于FPGA的应用电路的工作可靠性。
在电路特定位置的错误有效注入和软错误分析是局部电路重构设计方法的重要分析研究手段,但目前的FPGA供应厂商和EDA工具厂商,都不提供所需要的接口和技术手段,因此无法确定性地分析和判定错误对电路整体的影响并对电路进行有效的改进设计。
本项目研究FPGA设计的软错误分析和可靠性设计技术,研究内容包括:① 分析电路及系统对软错误的敏感性;② 研究针对电路可靠性设计和FPGA应用的电路重构设计方法;③ 对一些典型的应用设计电路,采用所研究的电路重构设计方法进行优化设计,使其在通用的FPGA器件上可以获得同样的抗软错误的能力。
研究成果将以论文的形式发表。
 
 
题目2:三维系统芯片的测试访问机制研究
 
研究内容:三维集成电路能够有效的解决二维集成电路互连线延时大的问题, 是集成电路未来发展的主要方向。但三维集成电路的测试问题已成为制约其进一步发展的瓶颈。主要研究内容如下:
(1) 芯片绑定前和绑定后都要进行测试。芯片绑定前需要设计其测试访问机制,绑定后也要设计其测试测试机制;
(2) 热量问题是三维集成电路测试时需要关注的主要问题,针对绑定后的3D SoC,研究在热量约束的情况下的测试调度算法使得测试时间最少;
(3) 综合前两项的研究成果,研究部分复用芯片绑定前的测试访问机制,怎样在面积开销和热量约束的情况下,降低3D SoC的测试访问时间。
本项目的特色在于部分复用芯片绑定前的测试访问机制,降低绑定后的3D SoC的测试访问硬件开销。通过本项目的研究,将为3D SoC提供一套完整的低测试时间和低面积开销的测试方案,解决3D SoC的测试访问问题。
 
 
题目3:矩阵在高阶逻辑定理证明器中的形式化
 
问题描述:在形式化验证方法中,定理证明方法可以用于任何能被数学模型表示的系统,不受状态数限制,是非常理想的验证方法,而定理库的构建是定理证明应用的关键问题。矩阵是线性变换的算子,在信息系统中应用广泛。在定理证明器中系统地构建矩阵理论和线性变换理论将会极大地提高定理证明器的建模和推理能力。本项目研究内容包括:
(1) 复数和酉空间的高阶逻辑形式化;
(2) 实数和复数矩阵的形式化,研发高阶逻辑定理证明器中的矩阵定理库;
(3) 基于所研发的矩阵定理库,用定理证明方法验证SpaceWire总线的发送接收、编码模块和总线控制模块,示范矩阵定理库的应用。
研究目标是构建以矩阵理论为核心的定理证明体系,在国际上公开发布HOL4矩阵定理库,推动HOL4在时间状态变换和空间变换系统的验证中的应用,提高我国在定理证明基础平台构建领域的国际影响力。
 
题目4:基于分布式传感器网络和多源信息融合的数模混合集成电路测试生成研究
 
问题描述:针对测试集存在冗余度高、测试效率低和普适性差等问题,在分布式测试网络下,对测试生成、测试集压缩、多故障测试研究具有积极的理论指导和方法创新,为构建一个高效、实用、低成本的数模混合集成电路测试方案提供具体解决办法和实用化突破口。具体包括以下内容:
(1)基于拓扑结构分析和路径敏化机制,将有N个主输出端的数模混合集成电路撕裂成N个锥体;对故障影响到的某个主输出端所对应的锥体进行三值神经网络建模和约束网络构造,降低测试生成难度。
(2)运用故障等效、故障支配和模糊隶属策略对多故障进行合并与压缩,减小测试集搜索空间。
(3)在分布式测试网络下将各个节点传感器获取的电路信息等效为各个神经元所蕴含的故障信息,通过神经元节点信息传递完成故障遍历搜索。
(4)利用遗传优化寻找约束网络对应能量函数最小值点,得到每个传感器的故障隶属度,多源信息经过融合后生成测试向量,提高测试生成效率。
 
 
题目5:任务关键高性能嵌入式系统的可信增强技术研究
 
研究内容:随着MPSOC、众核NOC等技术发展,高性能嵌入式芯片将已广泛应用于航天航空、武器装备、核电控制、工业控制、汽车电子、金融政务、电力网格等任务关键实时系统(MCRTS)。高可信是确保MCRTS成功运行的必要需求,因为不可信的MCRTS必然对国家和人类社会生活带来严重的威胁,甚至危及生命财产和破坏生存环境。随着任务关键实时应用的不断扩展,能量有效、可靠、信息安全、防危安全等可信因素将成为制约MCRTS发展的重要因素,设计高可信实时系统已经成为实时系统发展的必然趋势。因此,建议对任务关键实时系统进行以下研究:
(1) 研究可信嵌入式操作系统,实现支撑任务关键应和的运行根基;
(2) 研究系统级的可信(包括可靠、安全、防危、能量、可用等)感知实时任务调度技术,实现对关键任务的运行时可信化管理;
(3) 研究系统级高可靠性保障技术(避错、排错、容错等),进而提升高性能嵌入式系统的可靠性指标;
(4) 研究可信嵌入式系统的建模分析和形式化验证技术。
 
 
题目6:模拟电路中使用智能学习的故障诊断方法研究
 
研究内容:针对模拟电路中分离元器件的参数故障诊断问题,将研究:(1)基于模糊推理的分类器融合诊断方法。采用神经网络和支持向量机分类器作为模糊推理输入的两种子分类器,设计了对应的隶属度函数对2种分类器输出进行模糊化处理;根据预先处理好的模糊变换矩阵进行计算,最终得到系统的融合输出。(2) 基于免疫记忆网络理论与k近邻算法的模拟电路故障诊断方法.首先,利用免疫记忆网络寻找各故障空间的最佳记忆抗体.在免疫记忆网络中根据浓度来选择记忆抗体,以促进记忆抗体在各故障空间的均匀分布.利用克降和超级变异机制来保证抗体多样性,再利用浓度和期望值对抗体进行促进和抑制,以避免早熟现象的产生;然后,根据所得到的各故障空间的最佳记忆抗体,使用改进的阈值k近邻算法对抗原进行故障分类。上述方法将使用基准电路进行验证。
 
 
题目7:面向GPU并行计算代码自动识别与处理技术研究
 
研究内容:GPU拥有比CPU强大得多的浮点运算能力,近年来业界都在致力于发掘GPU的潜能,从而消除程序运算时的瓶颈,大幅提升执行效能,以更小的代价实现更强大的性能,让它能够在科学计算领域中充分发挥作用。CUDA、OpenCL、DX11 Compute Shader等的出现将GPU进行并行计算推向一个新的高潮,大批应用软件扩展到GPU上并行计算。但有效利用GPU进行计算,要求程序设计人员了解有关GPU系统结构知识,并在源代码中显式编写利用GPU并行计算的代码,并管理相关的计算数据。具有相当的难度,导致了该类程序开发的困难。从普通CPU计算的源代码自动识别可用GPU并行计算的成分,可实现GPU并行程序的自动生成,也可以快速实现已有计算程序从CPU平台向GPU平台的迁移,也降低了开发高效GPU程序的难度。该研究项目对有效利用计算机系统资源、提高计算效能、消除计算瓶颈具有重要的意义。
 
 
题目8:面向多核龙芯处理器集群的高通量处理关键技术研究
 
问题描述:在基于多核龙芯3号的集群平台上,研究高通量数据处理的关键技术。主要研究内容包括:
  • 基础平台建设:Linux优化;移植MySqL作为计算节点上运行的数据库管理系统;Hadoop移植等;
  • 研究数据管理及任务调度机制,提高系统并发负载处理能力及性能;
  • 设计实现基于两阶段知识发现的海量数据挖掘平台:在数据刚进入系统的第一个阶段对其进行初步挖掘,构建频繁集(frequent item set),然后在第二个阶段以频繁集为基础响应用户的数据挖掘需求。
 
 
题目9:新型云终端软件体系结构及关键技术研究
 
问题描述:随着云计算、虚拟技术的发展和普及,云终端设备逐渐向多样化、专门化、I/O化、低成本化和高速接入的方向发展,各类用户将通过数目庞大的云终端经由网络接入云计算平台,以合理的代价按需申请计算资源、存储资源或者信息和服务。其中,云终端的生产和运行成本控制将是制胜关键。为此,需要研究一种新型的云终端软件体系结构,该结构能在云终端和云端进行合理的功能划分,在兼顾云终端的响应能力的前提下,充分利用云端的计算、存储、服务等能力,使得云终端只需要以最小的运行代价来支持最基本的功能,以降低云终端的软硬件资源配置需求,从而降低云终端的生产和运行成本。
研究内容:
(1) 有利于降低云终端的配置和运行需求的新型的云终端软件体系结构研究
(2) 基于云的云终端功耗优化技术研究
(3) 基于云的云终端软硬件资源配置最小化方法研究
 
 
题目10:基于数据行为的低能耗数据复制模型研究
 
问题描述:大规模存储系统的能耗问题已经成为当前计算机领域最具挑战性的研究课题之一。传统的数据复制主要用于提高系统性能、降低网络带宽的消耗、提高容错能力等。本课题基于存储资源的不同能耗状态,以降低能耗为出发点,研究大规模存储系统中的的数据访问行为,揭示其内在规律并构造合适的描述模型;研究不同的数据行为对数据复制的实施时机、系统性能、和能耗的影响;基于存储资源的不同能耗状态,研究并设计数据副本的放置、回收、与一致性维护策略;从而构造基于数据行为的低能耗数据复制模型,并通过仿真实验与理论分析的手段来验证所设计的复制模型。
 
 
题目11:OpenMP3.0任务并行运行支持系统
 
问题描述:针对核外非规则、非结构化并行优化问题,基于龙芯2E芯片的高性能编译系统的特点,开发支持OpenMP 3.0任务并行机制的运行时库,并面向材料数值模拟、油藏数值模拟等领域进一步从任务调度、负载均衡以及任务粒度控制等方面对运行时库进行优化,从而提高非规则、非结构化应用程序的并行执行效率。
 
 
题目12: 高通量数据处理器加速部件研究
 
问题描述:随着高通量应用特征的大规模涌现,高通量数据处理器的需求日益增强。高通量数据处理器作为能够在控制能耗的同时解决好大规模高通量计算特征需求的处理器,其组织架构相对于高性能处理器有很大的区别,这些区别体现在很多方面,其中也体现在浮点运算部件和加速部件上。在处理器的设计中,运算部件的组织往往决定了处理器的处理峰值。面对越来越多的高通量计算需求,在分析计算特征的基础上提出和实现适合高通量计算特征的浮点运算部件和加速部件变成首当其冲的任务。
本课题主要从以下方面展开研究:
(1)   针对高通量计算特征的浮点运算部件和加速部件开发。
(2)   针对高通量计算特征的浮点运算部件和加速部件性能建模。
(3)   针对高通量计算特征的浮点运算部件和加速部件功耗和面积建模分析。
要求:针对中科院计算所高通量项目开展研究工作,完成上述一项或者多项研究任务。
 
 
题目13:基于主题模型的网页聚类算法的研究
 
问题描述:计算所数据中心测试床近期将搜集到亿级的数据。领域核心算法测试时测试床的核心目标之一。作为一种代表性的领域核心算法,海量网页的主题分类技术是信息检索、搜索引擎的关键技术之一。非监督的聚类方法在该领域得到了广泛的应用,目前大部分的研究集中于文本特征描述及特征选择,文本距离度量通常采用基于“向量空间模型”(VSM)的夹角余弦及基于统计语言模型(LM)的距离度量方法。基于VSM和LM的距离,本质是对特征词的共现特征进行度量。这种基于共现特征的距离描述没有考虑特征词在不同主题中出现概率的差异。因此,这种距离的主题区分能力会随着主题和网页数目的增加而下降。
主题模型(TM)使用层次贝叶斯方法分析词在不同主题中出现的概率,根据词在不同主题中出现概率的差异,发现文本集中潜在主题。 
它克服了VSM及LM的缺点,此外,主题模型自动分析文本集的主题特征,回避了传统分析方法中繁复的特征抽取过程。主题模型可以认为是在语义(主题)层面对文本进行分析。课题的主要研究内容包括:
1、 在计算所开发的数据中心测试床上探索领域核心算法的编程接口及基于Web测试的机制。
2、 文本集的主题分解技术,如何发现文档集中潜在的主题,重点研究LDA算法
3、 文档的主题距离度量方法,如何计算基于主题的文档距离;适用于主题模型的文档聚类算法
4、 海量文档主题聚类方法与传统基于VSM的主题聚类方法的性能比较与分析
 
 
题目14: Map/Reduce型海量数据处理平台数据缓存机制研究
 
问题描述:云计算评测是计算所数据中心测试床的核心目标之一。Map/Reduce是新型海量数据处理框架。数据迭代型Map/Reduce应用是由一组复用相同输入数据文件的map/reduce作业组成。数据迭代型应用在互联网信息分析、数据挖掘等领域广泛存在,如pagerank,k-mean等。既有Map/Reduce型海量数据处理平台,如hadoop,着眼于单个map/reduce作业的执行,无法感知组成数据迭代型应用的多个map/reduce作业间的数据复用关系。本项目拟基于hadoop平台,针对数据迭代型应用的数据使用特征,探索Map/Reduce型海量数据处理平台内存级数据缓存机制,通过对复用数据的缓存,降低map/reduce作业基于分布式文件系统读取输入数据导致的磁盘读写及网络传输开销。本项目主要研究内容包括:1)支持数据缓存表达的海量数据处理编程模型;2)数据缓存组织模型;3)数据缓存感知的任务调度策略;4)数据缓存替换策略。本项目将基于中科院计算所数据中心试验床提供的测试平台和真实负载,对研究成果进行性能测试和优化。
 
 

题目15 结构网格数值应用领域上隐式并行编程语言的研究

 

问题描述:带有多核、众核加速器的并行计算平台能显著加速科学计算应用,如何在这种平台上进行并行编程,挖掘出更高的性能成为并行计算领域的热门问题。领域专家面临的主要问题有:第一,现有的编程模型常针对特定的体系结构、并行性的表达过于低级(比如面向短向量的SIMD内函数、面向GPGPUOpenCL编程等),用户编程的学习曲线过于漫长,而且数据通信和同步使得编程变得复杂、容易出错。第二,多核、众核平台具有复杂性和多样性,对于每个新的平台,用户都需要花大量时间移植和优化他的应用。结构化网格是物理模拟中被广泛采用的重要方法,让这类问题获得跨平台的性能可移植性具有重要的实际意义。领域专用的语言是一个很有前途的研究方向,它可以提供接近物理问题的高层编程方法,并把计算模式相关的优化、体系结构相关的优化都隐藏在编译器和运行时支撑框架中,重用国际上最新的优化技术。
研究内容:
1)研究结构网格方法的重要应用,抽象出领域专用的数据类型、控制结构、核心算法,设计出适合领域专家用户的隐式并行的编程语言。
2)设计编译和运行时系统的接口;针对典型的多核、众核平台,设计运行时支撑系统的框架原型。
3)在典型的并行计算平台(比如多核集群、曙光pHPC个人高性能计算机)上,评测运行时系统的性能。
4)评测语言的实用性,并扩展其应用领域
 
 
四、本年度开放课题申请书提交时间及联系方式
 
2011年度开放课题申请书提交时间:2011年10月30日之前。
附件:
开放课题申请书(空).doc
文件类型: .doc 79fcc7f6fe11c419521a0ecbd90d1266.doc (90.50 KB)
申请书一式四份,签字盖章后寄至:
北京市海淀区科学院南路6号 中国科学院计算机系统结构重点实验室(邮编:100190)
董慧(收)
申请书电子版请传至:donghui@ict.ac.cn
联系人:董慧;
电话:010-62600605;
传真:010-62600600。