Rede Omega Virtual em FPGA com reconfiguração em tempo de execução: estudo de caso: cálculo de atratores em redes reguladoras de genes / Runtime reconfiguration on Virtual Omega Networks: case study: attractors in models of gene regulatory networks
AUTOR(ES)
Julio Cesar Goldner Vendramini
FONTE
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia
DATA DE PUBLICAÇÃO
16/03/2012
RESUMO
As redes de interconexão multiestágio começaram a ser usadas na década de 50 em telefonia e continuam a ser usadas em muitas aplicações paralelas. Abordamos neste trabalho um estudo sobre as redes de interconexão Omega em FPGAs para desenvolvimento de arquiteturas paralelas e reconfiguráveis. Utilizando-as como uma camada virtual de reconfiguração acima da programação do FPGA. Analisamos o comportamento das redes e sua complexidade em área e latência. Desenvolvemos dois algoritmos de roteamento em hardware para o roteamento dessas redes, um utilizando memórias e outro utilizando codificador de prioridade. Mostramos também que o uso das redes Omega é viável em arquiteturas reconfiguráveis mapeadas em FPGA. Duas aplicações reais foram avaliadas. A primeira possui uma rede de interconexão global para interligar unidades de processamento heterogêneas em uma arquitetura reconfigurável de grão grosso. A segunda usa uma rede de interconexão em uma aplicação de bioinformática para interligar unidades. Esta aplicação explora um espaço de solução exponencial no cálculo de período de atratores. Os resultados obtidos mostraram um ganho de 2 a 3 ordens de grandeza em relação a solução com processadores de uso geral.
ASSUNTO(S)
ciencia da computacao fpga rede omega camada virtual fpga omega networks virtual layer
Documentos Relacionados
- VIRTUAL STRATEGIC ALLIANCES AND NETWORKS: AN EXPLORATORY RESEARCH
- VIRTUAL ORGANIZATIONAL NETWORKS: CHARACTERIZATION, FORMATION AND MANAGEMENT
- Modelo de referência para operacionalização e reconfiguração de redes de construção civil
- Interactions of neural networks: models for distraction and concentration.
- Recovery of memory properties of Neural Networks in attractors.