Συντάχθηκε 27-09-2024 14:05
Ενημερώθηκε:
27-09-2024 14:06
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 02/10/2024 13:00
Λήξη: 02/10/2024 14:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Αικατερίνης Τσιμπιρδώνη
με θέμα
Απομακρυσμένη Εκτέλεση στο Amazon F1 Cloud Επιταχυντή Κυψελωτών Αυτομάτων Βασισμένου σε Αναδιατασσόμενη Λογική
Remote Execution of an FPGA-based Cellular Automata Accelerator on the Amazon F1 Cloud
Εξεταστική Επιτροπή
Καθηγητής Απόστολος Δόλλας (Επιβλέπων)
Καθηγητής Σωτήριος Ιωαννίδης
Καθηγητής Μιχαήλ Ζερβάκης
Περίληψη
Τα κυψελωτά αυτόματα, που αρχικά σχεδιάστηκαν από τον Τζον Βον Νόιμαν και τον Στανισλάβ Ούλαμ τη δεκαετία του 1940, είναι διακριτά μαθηματικά μοντέλα για την προσομοίωση σύνθετων συστημάτων μέσω απλών κανόνων. Αυτή η έννοια λειτουργεί ως ένα θεμελιώδες εργαλείο για την κατανόηση διαφόρων δυναμικών συστημάτων σε διάφορους επιστημονικούς και μαθηματικούς τομείς. Στην παρούσα εργασία, αναπτύχθηκε μια επαναπρογραμματιζόμενη αρχιτεκτονική βασισμένη σε FPGA για την αποδοτική προσομοίωση μοντέλων κυτταρικών αυτόματων (CA) στην πλατφόρμα AWS F1. Ο σχεδιασμός βασίζεται στην αρχιτεκτονική που αναπτύχθηκε αρχικά από τον Νικόλαο Κυπαρισσά και επεκτάθηκε αργότερα από τον Εμμανουήλ Μυλωνάκη, με επιπλέον βελτιώσεις. Χρησιμοποιήθηκε το AWS FPGA Developer AMI, το οποίο προσφέρει ένα προ-ρυθμισμένο περιβάλλον με εργαλεία όπως το Xilinx Vivado, με απομακρυσμένη πρόσβαση μέσω NICE DCV, εξαλείφοντας την ανάγκη για φυσική πλακέτα FPGA. Η αρχιτεκτονική δημιουργήθηκε μέσω της παραγωγής ενός bitstream Amazon FPGA Image (AFI), συμβατού με την AWS F1 instance. Μετά την εφαρμογή αλλαγών στη λογική του κώδικα VHDL, το bitstream αναπτύχθηκε. Οι βελτιστοποιήσεις που έγιναν περιλάμβαναν την αναβάθμιση του συστήματος μνήμης από 128-bit DDR2 σε 512-bit DDR4, βελτιώνοντας τη διαχείριση δεδομένων και αυξάνοντας το μέγεθος των μεταφερόμενων δεδομένων. Η μεταφορά δεδομένων μεταξύ του host και του FPGA πραγματοποιήθηκε μέσω PCIe χρησιμοποιώντας Direct Memory Access (DMA). Το FPGA εκτέλεσε το μοντέλο CA, επιτυγχάνοντας βελτίωση απόδοσης κατά 21,2 φορές σε σχέση με τις παραδοσιακές μεθόδους λογισμικού, ειδικά κατά την επεξεργασία πλέγματος CA ανάλυσης 1920x1080.
Abstract
Cellular automata, introduced by John von Neumann and Stanislaw Ulam in the 1940s, are discrete mathematical models used to simulate complex systems through simple rules. They are widely applied in various scientific fields to study dynamic systems. In this thesis, a reprogrammable FPGA-based framework was developed to efficiently simulate cellular automata(CA) models on the AWS F1 platform. The design builds upon the architecture initially developed by Nikolaos Kyparissas and later extended by Emmanouil Milonakis, with additional improvements introduced in this work. The AWS FPGA Developer AMI was employed, offering a pre-configured environment with tools like Xilinx Vivado, accessed remotely via NICE DCV, eliminating the need for a physical FPGA board.The framework was created by generating an Amazon FPGA Image (AFI) bitstream, compatible with the AWS F1 instance. After implementing logic changes in the VHDL code, the bitstream was synthesized and deployed. Optimizations included upgrading the memory system from a 128-bit DDR2 to a 512-bit DDR4 configuration, enhancing data handling and increasing burst size. Data transfer between the host and FPGA was managed via PCIe using Direct Memory Access (DMA) by configuring the PCIe to AXI bridge for efficient communication. The FPGA executed the CA model, achieving a 21.2x performance improvement over traditional software methods, particularly when processing a 1920x1080 CA grid.
Meeting ID: 938 6281 9512
Password: 122029
