.png){kind=icon}
返回
Floating-point atomic memory operations
.png){kind=icon}
PRE
AI
DOI：10.1016/j.micpro.2026.105276.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现代计算系统越来越多地采用芯粒架构，能够将不同厂商的设备（如中央处理器（CPU）、图形处理器（GPU））集成到单一封装中。这些异构系统需要高效的片间同步机制，包括原子内存操作（AMO）。然而，高效同步要求所有集成设备支持相同的AMO能力。GPU原生支持浮点原子内存操作（FAMO），而CPU不支持，造成架构不对称，导致同步效率低下。为解决此问题，Arm最近推出了大型系统浮点扩展（LSFE），为CPU引入了新的FAMO支持。本研究对FAMO在图处理、机器学习（ML）和高性能计算（HPC）工作负载中的影响进行了表征和建模。我们的分析表明，大量AMO操作针对浮点数据，目前采用低效的Compare-and-Swap（CAS）内置函数实现。用硬件原生的FAMO替换基于CAS的构造可显著提升各类工作负载的性能。此外，我们考察了在不同内存层级执行FAMO的权衡，比较了在私有缓存（近端）和共享缓存（远端）中的执行情况。结果表明，近端FAMO平均加速1.3倍，远端FAMO平均加速1.5倍。总体而言，我们证明了FAMO能够实现关键应用领域更高效的同步。
Keyword:
Atomic Memory Operations
Synchronization directives
Cache coherency
Multicore architectures
Chiplet-based architectures
Heterogeneous architectures
期刊
M
IF:
2.6
论文数:
104
被引数:
3.2K
机构
引用论文
.png){kind=icon}
Heterogeneous parallelization and acceleration of molecular dynamics simulations in GROMACSGROMACS中分子动力学模拟的异构并行化和加速
OAAI
OAAI分享收藏分享收藏 没有更多内容
没有更多内容