内容

并行信息处理

阅读数:1190    发布:2016-11-03 10:27    更新:2016-11-03 10:35    

学术学位

并行信息处理

(二级学科)

代码:0810Z1


并行信息处理是拟设置于信息与通信工程一级学科下的二级学科,是对现有一级学科研究领域和研究内容的加深和扩展,主要研究大规模复杂信息处理的相关技术,包括大规模信息并行处理理论、高性能信息处理系统、大规模信息处理方法。并行信息处理是一门交叉性学科,它融合了信息处理和计算机等学科的知识。并行信息处理的共性理论基础来自多个不同的学科领域,包括理论计算科学、计算机科学、统计学、数据库理论、人工智能、机器学习、社会科学等。本学科将以高性能信息处理系统为支撑,运用跨学科综合知识,通过深入研究大规模信息并行处理理论模型与基础算法,解决目前所面临的大规模信息处理的应用需求。 

并行信息处理二级学科的设立使信息处理能够满足信息时代大规模复杂信息处理的需求,培养我国经济社会发展急需的复合型信息化人才,将会极大地改善我国特别是华南地区对复合型信息化人才的需求状况,满足经济社会发展的实际需要。 
本学科主要包括三个主要的研究方向,大规模信息并行处理理论,高性能信息处理系统,以及大规模信息信息处理方法。 

1、大规模信息并行处理理论 
  本研究方向紧密结合硬件机构和具体应用,采用软硬件协同的办法进行大规模信息并行处理理论的研究。包括理论模型与基础算法、混合异构处理环境等方面内容。 

本方向具体研究内容包括: 

(1) 大规模信息并行处理的理论模型与基础算法的研究 

采用“理论-设计-实现-应用”一体化研究方法,探索大规模信息并行处理的理论模型、基础算法的设计和性能优化等问题:分析高性能信息处理装置的体系结构,设计与之适应的理论模型;研究大规模信息并行处理的可计算性及其计算原理,包括大规模信息基于度量空间的统一化抽象表示、基于距离的划分技术和大规模信息的NC类计算理论;研究大规模信息并行处理的算法设计技术,设计、开发和优化大规模信息并行处理的常用基础算法,以满足当前高性能信息处理装置求解大规模信息问题的需要。 

(2) 混合异构环境下的大规模信息并行处理的研究 

以提高算法的性能和增强算法的可扩展性为基本目标,研究混合异构环境下的大规模信息并行处理的理论模型、算法的设计和实现等核心问题:针对多层次存储体系的访存模式、访存冲突和线程同步开销的性能优化,研究混合异构环境下的大规模信息并行处理的性能模型;研究混合异构环境下的大规模信息并行处理中自适应的任务划分、处理器映射和负载均衡;研究混合异构环境下的大规模信息并行处理的新型算法;研究GPGPU并行程序的性能剖析机制和性能优化技术。 

2、高性能并行信息处理系统 

本方向着重于基于并行计算技术研制高性能并行信息处理系统。主要研究高性能并行信息处理系统的体系结构、众核系统结构、节点互联、异构体系结构等方面的内容。 

(1)高性能并行信息处理系统体系结构 

本研究点的主要目标在于对高性能并行信息处理系统体系结构的关键问题进行研究,包括系统结构的选择、处理单元结构、单点控制器设计、互连结构、操作系统、并行编程环境、生产组装技术等,突破应用国产处理器设计自主高性能并行信息处理系统的关键技术。 

(2)适用于高性能并行信息处理装置的众核体系结构 
    从并行系统结构的角度,研究如何在高性能并行信息处理系统中集成满足高性能并行信息处理系统所需的计算和处理能力。研究内容包括,众核并行模拟器与仿真验证技术;片上存储系统的层次化组织与协议;复杂一致性协议的量化模型与分析方法;支持大规模扩展的软硬件混合一致性协议;片上数据访问与传送系统的组织结构与协议等。 

(3)适用于高性能并行信息处理器系统的计算节点结构与互联技术 

研究适用于高性能并行信息处理系统的计算节点结构、多级并行互联结构(SMP->CC-NUMA->CLUSTER)上的性能优化以及定制互连网络系统。主要研究内容包括基于CC-NUMA的多处理器计算节点间互连拓扑和节点行为参数(如发送时延、连接带宽、工作频率、转发策略等),构建节点间互连网络性能模型;研究cache一致性协议在节点间互连网络中传输包大小、节点负载强度、包传输延迟和阻塞延迟之间的定量关系;研究利用软件一致性协议在系统级实现全局共享存储编程环境;研究采用定制互连网络减少CC-NUMA与CLUSTER性能差距的技术。 

(4)适用于高性能并行信息处理系统的混合异构体系结构 

采用通用多核微处理器与定制加速协处理器相结合的异构混合体系结构在提供相同计算能力的条件下具有体积小,功耗低等显著特点,成为高性能并行信息处理器系统实现的一种可行途径。主要研究内容包括基于矢量部件加速技术以及快速标量部件、FPGA 加速、GPU加速、可视化引擎技术等。 

3、大规模信息处理方法 

本方向研究大规模信息处理的方法和系统工具。 

(1)大规模信息理论与技术体系 

大规模信息在数据分布、数据类型、数据表示、数据关系、知识表示等方面与传统关系型数据呈现出截然不同的特点,对现有的计算理论、存储理论、统计学习、机器学习、模式识别、数据挖掘、信息安全等提出了全面的挑战。大规模信息信息处理需要围绕大规模信息自身特点,结合云计算和超级计算技术,从理论和技术上,研究适合大规模信息特性的数据表示、数据融合、数据处理、数据分析、分布式并行计算、近似计算、知识展现等理论和方法,构建大规模信息理论与技术体系。 

(2)大规模信息处理与分析工具与系统 

基于大规模信息理论与方法的突破,研制面向大规模信息应用生命周期的处理与分析工具、系统、平台,特别是基于云计算SaaS架构的大规模信息多源采集与融合系统、大规模信息预处理系统、大规模信息建模系统、大规模信息分析系统、大规模信息交互式可视化系统、大规模信息服务系统等,与云计算和超级计算系统相融合,形成大规模信息软硬件一体机。

深圳大学计算机与软件学院 2009-2016