La NASA utilise la spécification vectorielle RISC-V pour alimenter les ordinateurs spatiaux

//php echo do_shortcode(‘[responsivevoice_button voice=”US English Male” buttontext=”Listen to Post”]’) ?>

Avec la demande croissante d’applications nécessitant plusieurs cœurs et des capacités d’IA, de ML et de vision par ordinateur, un traitement plus rapide et plus rentable est essentiel. Dans le même temps, les entreprises cherchent à simplifier les cycles de conception avec une plus grande portabilité et réutilisation, une plus grande extensibilité et une plus grande évolutivité de la conception. La version 1.0 de la spécification vectorielle RISC-V (RVV), ratifiée par RISC-V International en décembre dernier, a été créée pour répondre à ces exigences du marché et faciliter la mise en œuvre des instructions vectorielles pour la charge de travail moderne.

De nombreuses entreprises, dont SiFive, ont déjà des solutions sur le marché pour relever les défis auxquels les concepteurs sont confrontés dans la mise en œuvre de la technologie vectorielle.

Avantages de la spécification vectorielle RISC-V

En termes de taille de code, de performances et de surface, RVV offre une alternative puissante et très efficace aux cartes SIM et GPU emballées, qui sont extrêmement inefficaces pour le traitement de grands ensembles de données. Un problème avec les implémentations SIMD et GPU emballées est qu’elles peuvent nécessiter de nombreuses nouvelles instructions, de sorte que la taille de la puce augmente à chaque fois que de nouveaux types de données sont introduits. Un code supplémentaire est également souvent requis pour les applications ayant des exigences spécifiques, augmentant la taille du code et les coûts de nomenclature, tout en consommant plus d’électricité.

Avec seulement quelques centaines d’instructions Vector ISA, le RVV est plus petit que les alternatives SIMD standard. Parce que RVV est si petit, il réduit la surface requise pour les logiciels compilés (les compilateurs génèrent un code très dense), permettant aux conceptions d’avoir une meilleure efficacité énergétique et une empreinte mémoire plus petite. La bonne nouvelle est que le code conçu et écrit pour les implémentations SIMD packagées peut être facilement porté sur des vecteurs RISC-V pour une migration transparente.

Un autre avantage du RVV est qu’il est indépendant de la longueur des vecteurs, de sorte que le logiciel écrit pour un processeur vectoriel RISC-V est compatible avec d’autres processeurs vectoriels. Cela signifie qu’un produit conçu pour un processeur de registre vectoriel de longueur 256 bits fonctionnera également avec un processeur de longueur de registre vectoriel plus long, comme une solution 512 bits.

Cette approche donne aux développeurs la liberté de choisir quel vecteur de taille offre l’équilibre parfait entre performances, puissance et surface pour des charges de travail d’application spécifiques. De plus, la possibilité d’utiliser le même logiciel pour de nombreux processeurs vectoriels différents permet d’économiser du temps de développement, permettant aux entreprises de commercialiser leurs produits plus rapidement.

RVV réduit davantage la complexité du logiciel en permettant aux développeurs d’intégrer des fonctionnalités DSP personnalisées dans un seul processeur vectoriel, simplifiant ainsi le développement tout en respectant les objectifs de performances et d’efficacité. Cette fonctionnalité devient de plus en plus importante car les entreprises utilisent de plus en plus un ou plusieurs DSP personnalisés distincts pour effectuer des tâches d’application spécifiques.

Quelques autres avantages principaux de RVV : c’est un bon compilateur cible ; RVV prend en charge à la fois la vectorisation automatique implicite et les modèles de programmation explicites ; et RVV fonctionne avec des couches de virtualisation. De plus, RVV s’intègre dans l’espace d’encodage fixe standard de 32 bits et offre une base idéale pour les futures extensions vectorielles (permettant une plus grande personnalisation).

RVV fonctionne dans les conceptions à faible coût, ainsi que dans les applications à très hautes performances, car la spécification prend en charge la microarchitecture dans l’ordre, découplée ou dans le désordre, en plus des nombres entiers, à virgule fixe et/ou flottants. -type de données point. Ces types de données sont implémentés efficacement dans une seule unité logique arithmétique vectorielle pour simplifier l’architecture du processeur, améliorer l’efficacité énergétique et réduire la surface de la puce.

Processus HPSC de la NASA

Une mise en œuvre particulièrement remarquable du RVV est le processeur HPSC (High-Performance Spaceflight Computing) de nouvelle génération de la NASA.

Le HPSC utilisera un cœur vectoriel SiFive Intelligence X280 RISC-V à 8 cœurs (qui prend en charge les extensions RVV), ainsi que quatre cœurs SiFive RISC-V supplémentaires, pour fournir 100 fois la capacité de calcul de l’ordinateur spatial maintenant. Les extensions RVV permettent au X280 de prendre en charge des performances à très haut débit et à un seul thread, tout en gérant des contraintes de puissance importantes. Le HPSC de la NASA sera utilisé pour les futures missions de surface de Mars et les missions lunaires humaines, ainsi que des applications telles que l’automatisation industrielle et l’informatique de pointe pour d’autres agences gouvernementales.

En s’appuyant sur une norme ouverte, une grande partie du code écrit pour les vecteurs RISC-V est facilement disponible dans l’écosystème RISC-V en croissance rapide pour les développeurs. Il existe également une gamme complète d’outils open source et commerciaux pour la compilation, la modélisation, le débogage et le traçage. Ces outils de conception permettent de réduire les coûts de développement et d’accélérer la mise sur le marché des produits.

Dans l’ensemble, RVV offre une approche de traitement vectoriel idéale pour répondre à la demande croissante d’opérations gourmandes en données telles que l’inférence ML pour le traitement audio, visuel et vocal. Les processeurs vectoriels RISC-V sont déjà utilisés pour un large éventail d’applications allant de la vision par ordinateur, des FAI mobiles et de l’IA de pointe à l’IA des centres de données, et continueront de voir une adoption explosive sur le marché dans les années à venir.

Leave a Reply

Your email address will not be published. Required fields are marked *