粗粒度的时空计算

　　1985年，Xilinx公司推出了全球第一款FPGA产品XC2064^[7] ，现在28nm工艺的FPGA阵列芯片已经作为应用平台^[8] ，实现了操作粗粒度的时空计算。但算法是通过硬件描述语言的逻辑设计映射到阵列芯片上的，没有与TLP/DLP计算模式的软件设计语言统一起来，抽象层次低，灵活性差，限制了OLP计算模式的应用。

　　阵列语言

　　支持粗粒度时空计算的阵列语言，是能在标量语言(例如，C语言和MATLAB语言)的基础上统一设计的。

　　首先，阵列数据及其特例(标量数据和向量数据)在MATLAB语言中已有明确的表示^[9] 。阵列数据就是C语言中的Data Array(数据阵列/数组)，是用来表示同一类型的标量数据的集合的。因此，阵列语言的数据表示和类型，可以与C语言的相同而统一的。在阵列语言中，阵列数据采用了与MATLAB或C语言类似的顺序描述方法。

　　二是阵列数据的计算，与数学语言的矩阵加减法计算一样，是对其标量数据元素进行的。计算的操作类型及其表示符号均可以与C语言中的相同而统一的，只需要补充支持实现几何变换的播送(broadcast)等3个操作及其操作符。　　

 

　　三是由于控制语句是时间一维的，阵列语言的控制语句是可以与标量语言(例如C语言)的控制语句相同而统一的。而计算语句则应由标量语句上升到由不同标量语句元素(statement elements)组成的阵列语句。标量语句元素的设计是可以与C语言的标量语句的设计相同而统一的。阵列语句的描述可以像C语言的Data Array那样，采用先行后列，并从第一行开始顺序描述的程序设计方法。使阵列语言统一了标量语言，继承顺序程序设计的特点，建立了阵列语言的程序设计的确定性。

　　阵列计算机

　　最近，人们分析发现，自1985年以来，计算机体系结构革新与芯片技术进步对计算机性能的贡献是相当的^[10] 。现在的芯片制造技术，已经可以研制粗粒度计算的二维的阵列处理器(Array Processor)和三维(时间1维+空间2维)的阵列存储器(Array Memory)。例如，Intel公司80个处理元的TeraScale Processor计划的系统芯片^[11] 。支持粗粒度时空计算的阵列计算机，可以是由指令存储器、阵列处理器和阵列存储器组成的。其实，冯.诺依曼体系结构的Flynn分类，以单指令流多数据流的SIMD(Single Instruction Multiple Data)体系结构，可以在阵列处理器上实现DLP计算模式的数据粗粒度的计算。以多指令流单数据流的MISD(Multiple Instruction Single Data)和多指令流多数据流MIMD(Multiple Instruction Multiple Data)体系结构，可以设计相应的阵列指令(array instruction)，在阵列处理器上实现OLP计算模式的操作粗粒度的计算。

　　阵列语言中顺序描述的阵列数据和阵列语句的阵列表示，是通过存储到阵列存储器中而自动完成的。存放在阵列存储器中的阵列数据和阵列指令，是分别由指令存储器中的操作指令和调用指令控制读出，在阵列处理器上执行的。从时间上来看，操作指令/调用指令是一条接一条地顺序执行的;从空间上来看，阵列存储器中的阵列数据/阵列指令都是在单指令的控制下，有效地完成数据/操作粗粒度的时空计算。与标量计算机类似，阵列计算机的ISA也是作为更高抽象层次的接口，使阵列语言的程序设计不必了解ISA的实现细节，能从算法解决问题的方式中直觉地产生出来。成为一种确定而可预测的过程，可促进粗粒度时空计算的软件繁荣。

　　结束语

　　不断提高计算机的能力是支持数学上的infinite的技术途径之一。现在已有由十几万芯片组成的千万亿次超级计算机，但其功耗就已达到2MW左右，使机房面积比庞然大物的电子管计算机的机房面积还大10倍，约700平米。有专家认为，2017年可能实现的Eflops超级计算机的核心处理器的数量大概在1000万到1亿个之间，这就遭遇到了能源使用问题。

　　计算机的功耗是由芯片的功耗和芯片之间互连线的功耗组成的。为了实现航空航天图像处理计算机的小型化，早在1987年，休斯公司就开发了圆片级的硅直通技术(TSV， Through Silicon Via)。现在，IBM公司针对超级计算机的能源使用问题，也研发了TSV技术，使芯片之间的距离只有几微米，缩短了1000倍。甚至有人预测2023年到2062年之间，新型芯片和纳米技术将使超级计算机的体积缩小到一块方糖那么大，再没有各种电缆，也不需要散热^[12] 。而粗粒度的阵列计算机的规则性是适合于TSV技术的。

　　参考文献：
　　[1]Zukav G. The Dancing Wu Li Masters. New York: William Morrow and Company,1979 (中译本:像物理学家一样思考.廖世德,译.海口:海南出版社,2011)
　　[2]Reilly E. Milestones in Computer Science and Information Technology. America: Greenwood Publishing Group, 2003
　　[3]Flynn M J. Very high speed computing systems. Proceeding of IEEE, 1966, 54(12):1901-1909
　　[4]Marowkia A. Back to Thin-Core Massively Parallel Processors. Computer, 2011, 44(12):49-54
　　[5]Kahle J. The Cell Processor Architecture//Proceedings of the 38th Annual IEEE/ACM International Symposium on Microarchitecture. Barcelona, Spain, 2005:3
　　[6]Keckler S W, et al. GPUs and the Future of Parallel Computing. IEEE MICRO, 2011, 31(5):7-17

　　[7]Sklyarov V, Skliarova I, Sudnitson A. FPGA-based systems in information and communication//Proceedings of the International Conference on Application of Information and Communication Technologies. Baku, Azerbaijan, 2011:1-5
　　[8]Altera. Achieving One TeraFLOPS with 28-nm FPGAs[R/OL]. http://www.altera.com.cn/literature/wp/wp-01142-teraflops_CN.pdf
　　[9]Chapman S J. MATLAB Programming. 4th Edition. Singapore: Cengage Learning, 2011 (英文影印本.北京: 科学出版社, 2011)
　　[10]Danowitz, et al. CPU DB: Recording Microprocessor History. CACM 2012-04
　　[11]Mattson T G, Wijngaart R V, Frumkin M. Programming the Intel 80-core network-on-a-chip Terascale Processor//Proceedings of the International Conference on High Performance Computing, Networking, Storage and Analysis. Austin, USA, 2008:1-11
　　[12]美刊预测未来110年科技发展.参考消息,2012-12-19