本发明专利技术公开了一种脑网络启发的中大规模片上互连系统综合方法,包括:采用确定性增长算法构造具有路由器端口限制的无标度特性和小世界特性的脑启发网络拓扑结构,再使用社区检测算法,对脑启发网络拓扑结构进行社区检测划分实现网络的模块化;其中,无标度特性是网络中节点的度数呈幂律分布,且小世界特性网络中的链路长度分度服从幂律分布;将所有待划分IP核划分到社区,基于网络社区划分的启发式IP核分配方法,将IP核逐个映射到被分配到的社区的相应节点上,从而得到具有无标度、小世界和模块化三种特性的脑启发的片上互连系统。通过该方法可以构造出极低通信跳数、低功耗、低延迟和高优化网络性能的片上互连系统。
【技术实现步骤摘要】
脑网络启发的中大规模片上互连系统综合方法
本专利技术涉及互连网络领域,尤其涉及一种脑网络启发的中大规模片上互连系统综合方法。
技术介绍
在摩尔定律的引领下,集成电路设计已经进入纳米时代,单个芯片上能集成的晶体管的数量级已经达到百亿,为降低设计的复杂性,可重用设计已成为片上系统(System-on-Chip,Soc)设计采用的主要方法。在日趋复杂的片上系统中,互连线延迟、功耗和可靠性等问题成为制约提升片上系统芯片性能的关键问题。因此,片上网络(Network-on-Chip,NoC)的出现有效的解决了SoC的困境,为IP核之间提供高效,高吞吐量,低功耗的通信。基于片上网络通信架构主要由两部分组成,以基于片上网络通信架构的片上系统作为示例,其主要由两部分组成:主要包括路由器(Switch)和网络接口(NI)。网络接口负责将待传输的数据封装成特定格式的数据包传输到网络中,或者从网络中接收数据包并恢复成原始数据,然后将数据传输到目的IP核;路由器主要功能是实现IP核之间的数据通信,完成数据包的路由转发工作。片上网络是一种很有前途的多核处理器和神经网络处理器的设计范例,与传统的通信架构相比,它具有更好的可预测性、更低的功耗和更大的可扩展性,因此被提出用于实现高性能和大规模的通信。由于将数千个核集成到一个芯片中以提高性能和功能,因此综合方法成为影响大规模片上网络性能的关键因素。人脑是世界著名的高效大规模并行计算系统,它将计算、存储和通信有效地结合在一起。受到大脑结构的启发,美国国际商业机器公司(IBM)的TrueNorth芯片是一个高效率的神经突触处理器,由4096个神经突触核组成,在一个2-D网格阵列中。还有一些机构提出了基于NoC的疾病诊断芯片平台,该平台可以集成上千个核,用于蛋白质折叠计算。然而,这些基于传统网格拓扑的结构可能由于高通信跳数、延时以及低通信效率而不适用于大规模的互连网络。并且在NoC中,互连拓扑对片上网络的功耗和性能有显著影响。与此同时,其他常见的拓扑结构如树(tree)、环面(torus和clos)也不适合用于大规模互连网络。因此对于大规模片上网络而言,综合方法为亟待解决的问题。
技术实现思路
本专利技术的目的是提供一种脑网络启发的中大规模片上互连系统综合方法,它是一种构建具有无标度、小世界和模块化三种特性的脑网络启发的中大规模片上互连系统的综合方法,可以获得低网络通信代价、延迟、通信跳数和能量-延迟乘积。本专利技术的目的是通过以下技术方案实现的:一种脑网络启发的中大规模片上互连系统综合方法,包括:采用确定性增长算法构造具有路由器端口限制的无标度特性和小世界特性的脑启发网络拓扑结构,再使用社区检测算法,对脑启发网络拓扑结构进行社区检测划分实现网络的模块化;将所有待划分IP核划分到社区,基于网络社区划分的启发式IP核分配方法,将IP核逐个映射到被分配到的社区的相应节点上,从而得到具有无标度、小世界和模块化三种特性的脑启发的片上互连系统。由上述本专利技术提供的技术方案可以看出,一方面,相对其他通用的规则拓扑结构以及层次型网络拓扑结构,本专利技术生成的拓扑结构具有更低的通信跳数、动态通信功耗、能耗-延迟乘积以及更高的稳定性;另一方面,基于社区划分的IP核分配方法,相对于其他启发式方法,具有更高的映射质量、速度快,而且针对脑启发网络拓扑的特征实现高质量、高效率分配。此外,本专利技术提供的复杂脑网络启发的片上互连系统综合方法,可以实现几百到几十万个节点的中大规模片上互连系统的综合设计。附图说明为了更清楚地说明本专利技术实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。图1为本专利技术实施例提供的一种脑网络启发的中大规模片上互连系统综合方法的流程图;图2为本专利技术实施例提供的生成具有无标度、小世界和模块化的特性的脑启发网络拓扑结构的示意图;图3为本专利技术实施例提供的片上网络布局图;图4为本专利技术实施例提供的基于社区划分的IP核分配示意图。具体实施方式下面结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术的保护范围。神经生物学研究表明,人类大脑是一个复杂而不规则的网络。脑功能网络和结构网络都具有无标度、小世界和模块化的特性,在很大程度上支持了这种高效的大规模并行计算系统。无标度特性是网络中节点的度数呈幂律分布,即大部分节点度数是比较小的,小部分节点度数是比较大的。具有大度数节点的无标度网络可以有相当小的通信直径。由于这种异构的拓扑结构,无标度网络具有较强的抗结构破坏能力,因为当节点随机发生故障时,节点之间的大部分连接是守恒的;它是构建具有数千个节点的NoC系统拓扑结构的一个非常好的选择,且无标度网络。小世界网络是指具有大规模节点的网络中随机选择两个节点,它们之间的距离L与网络中节点数量N的对数成正比增长,即L∝logN,小世界特性的拓扑由于具有密集的局部聚类和较短的路径长度,具有较高的并行信息处理的全局和局部效率,在前人的研究中得知,当小世界网络中链路长度的分度服从幂律分布时,可以进一步降低布线成本。理论工作指出模块化对于提高稳定性和灵活性以及节约布线成本的重要性。因此本专利技术的目的在于基于复杂脑网络的这些特性,构建中大规模的片上互连系统,以增加系统集成规模、降低系统互连代价。如图1所示,为本专利技术实施例提供一种脑网络启发的中大规模片上互连系统综合方法,其主要包括如下两个阶段:一、拓扑生成。本部分构建路由器层次的拓扑结构,即每个IP核对应唯一的一个路由器,所以这里说的网络节点对应的是路由器。采用确定性增长算法构造具有路由器端口限制(即节点的最大度数限制)的无标度特性和小世界特性的脑启发网络拓扑结构,并且网络中链路长度服从幂律分布,再使用社区检测算法,对脑启发网络拓扑结构进行社区检测划分实现网络的模块化。如图2所示,本步骤的优选实施方式如下:1、构建网格阵列。将芯片平面平铺为一个t行t列的总数为n的网格阵列,在网格阵列上建立了一个二维坐标系统,其中每个方格代表着一个路由器和一个预留的IP核位置的组合,每个方格都有一个唯一的坐标,所有链路的曼哈顿长度在[1,2t-2]范围内,所有链路都支持数据包的双向传输;所有节点的度都在[k,m]之内。节点最小度数k和节点最大度数m的数值由用户自行设置;t、n的数值根据芯片实际情况设定。2、划分初始网络。在网格阵列的中心构建一个预设大小的网格状拓扑结构作为初始网络。如图3所示,中心区域4行4列的黑色方格和连线表示的链路组成初始网络;具体的大小由用户根据实际情况或者经验自行设定,本专利技术本文档来自技高网...
【技术保护点】
1.一种脑网络启发的中大规模片上互连系统综合方法,其特征在于,包括:/n采用确定性增长算法构造具有路由器端口限制的无标度特性和小世界特性的脑启发网络拓扑结构,再使用社区检测算法,对脑启发网络拓扑结构进行社区检测划分实现网络的模块化;/n将所有待划分IP核划分到社区,基于网络社区划分的启发式IP核分配方法,将IP核逐个映射到被分配到的社区的相应节点上,从而得到具有无标度、小世界和模块化三种特性的脑启发的片上互连系统。/n
【技术特征摘要】
1.一种脑网络启发的中大规模片上互连系统综合方法,其特征在于,包括:
采用确定性增长算法构造具有路由器端口限制的无标度特性和小世界特性的脑启发网络拓扑结构,再使用社区检测算法,对脑启发网络拓扑结构进行社区检测划分实现网络的模块化;
将所有待划分IP核划分到社区,基于网络社区划分的启发式IP核分配方法,将IP核逐个映射到被分配到的社区的相应节点上,从而得到具有无标度、小世界和模块化三种特性的脑启发的片上互连系统。
2.根据权利要求1所述的一种脑网络启发的中大规模片上互连系统综合方法,其特征在于,所述采用确定性增长算法构造具有路由器端口限制的无标度特性和小世界特性的脑启发网络拓扑结构的步骤包括:
将芯片平面平铺为一个t行t列的总数为n的网格阵列,在网格阵列上建立了一个二维坐标系统,其中每个方格代表着一个路由器和一个预留的IP核位置的组合,每个方格都有一个唯一的坐标,所有链路的曼哈顿长度在[1,2t-2]范围内,所有链路都支持数据包的双向传输;一个路由器作为一个节点,所有节点的度都在[k,m]之内,k为节点最小度数,m为节点最大度数,m受到路由器端口限制;
在网格阵列的中心构建一个预设大小的网格状拓扑结构作为初始网络,初始网络内部节点称为老节点,之外的节点称为新节点;将新节点按照顺序从距离初始网络的远近添加到初始网络中,直到添加完所有新节点;
新节点的初始度数为k,在添加一个新节点时,需要与k个老节点逐个建立新的链路:先确定新节点所要连接老节点的度数,使其最符合无标度特性,对于当前老节点,评估新节点和当前老节点之间建立链路之后的节点度数的分布,计算新节点和当前老节点连接前,网络节点总度数的分布与理想分布的差距,以及连接后,网络节点总度数的分布与理想分布的差距;最终,确定建立连接前后的所有节点的度数分布差距之差最小时的所连接的老节点的度数,即确定链路建立后,所有节点的实际度数分布最接近理想分布的节点度数;在确定老节点度数之后,新老节点之间的路径长度需要满足小世界特性,选择路径长度分布和理想路径分布差距最大的新老节点之间链路,如此就在新节点和老节点之间建立了一条新链路,再重复以上过程逐步建立起新节点剩余的k-1条新链路,从而完成将一个新节点添加至初始...
【专利技术属性】
技术研发人员:陈松,葛梦柯,康一,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。