Design and implementation of an adaptive high efficiency FPGA-accelerated system for multi-disciplinary application domains.

Abstract

The scope of this thesis is the design and implementation of an FPGA platform that utilizes state-of-the-art techniques and methodologies to allow improved energy efficiency and performance in carrying out computationally intensive tasks. The goal is to develop a framework for FPGA-based architectures that can be used in environments that include but are not limited to Cloud Computing Clusters, High Performance Computational Clusters and Distributed Data Centers. A proof of concept implementation of this framework with 3 accelerated tasks (Black and White Image Thresholding, Image Convolution with a 3x3 Kernel, Genome 2-mer Distribution Analysis) is also presented and compared with implementation of the same tasks on an FPGA and ARMv7 architecture CPU. To our knowledge, the methodology in designing the Partial Reconfiguration platform employed in this work is novel and allows designing Dynamic Partial Reconfiguration-enabled hardware platforms on an FPGA without the need for wrapper logic or the need to register all inputs and outputs to every reconfigurable module, facilitating the establishment of compatibility across implemented reconfigurable modules in early development and future integration of new accelerated functions on the FPGA platform. Performance and energy efficiency metrics are also presented for the 2 different implementation platforms.

To αντικείμενο μελέτης αυτής της διπλωματικής εργασίας είναι η σχεδίαση και υλοποίηση μιας πλατφόρμας Συστοιχίες Πυλών Προγραμματιζόμενες στο Πεδίο (FPGA) η οποία αξιοποιεί σύγχρονες τεχνικές και μεθοδολογίες για να επιτύχει μέγιστη ενεργειακή αποδοτικότητα και απόδοση στην διεκπεραίωση υπολογιστικά απαιτητικών διεργασιών ευρείου φάσματος. Ο στόχος είναι να αναπτύξουμε ένα πλαίσιο λογισμικού για υλοποίηση αρχιτεκτονικών υπολογιστικών συστημάτων βασισμένα σε FPGAs για χρήση σε περιβάλλοντα εργασίας όπως Συστοιχίες Υπολογιστικών νεφών (Cloud Computing Clusters), Υπολογιστικές Συστοιχίες Υψηλής Απόδοσης (High Performance Computing) και Κατανεμημένα Κέντρα Δεδομένων (Distributed Data Centers). Μια υλοποίηση proof-of-concept του προτεινόμενου πλαισίου με 3 εφαρμογές που μπορούν να επιταχυνθούν (Ασπρόμαυρη Κατωφλίωση Εικόνας, Συνέλιξη εικόνας με πυρήνα διαστάσεων 3x3, Κατανομή Διμερών Νουκλεοτιδίων Γονιδιωμάτων) θα παρουσιασθεί και θα συγκριθεί με αντίστοιχες υλοποιήσεις σε συμβατικές αρχιτεκτονικές υπολογιστών με επεξεργαστή ARMv7. Κατά την εκτίμηση μας, αυτή είναι η πρώτη έρευνα που περιγράφει μια νέα μεθοδολογία που να επιτρέπει τον σχεδιασμό πλατφόρμων με δυνατότητες Δυναμικής Μερικής Αναδιαμόρφωσης χωρίς την ανάγκη υλοποίησης λογικής περιτύλιξης ή κατοχύρωσης όλων των εισόδων και εξόδων σε όλες τις αναπροσαρμοζόμενες μονάδες, διευκολύνοντας την εγκαθίδρυση συμβατότητας μεταξύ των υλοποιημένων μονάδων επιτάχυνσης και την μελλοντική επέκταση της πλατφόρμας με νέους αλγορίθμους, επιταχυνόμενους από την πλατφόρμα FPGA. Επίσης, θα παρουσιάσουμε μετρήσεις επιδόσεων και ενεργειακής απόδοσης από τις υλοποιημένες πλατφόρμες.