Optimisation de la gestion de la mémoire pour les transformations perspectives par morceaux

De Ensiwiki
Aller à : navigation, rechercher


Optimisation de la gestion de la mémoire des transformations perspectives par morceaux

Labo TIMA
Equipe SLS
Encadrants Stephane.mancini@imag.fr

Thème général

L'étape de DTSE (Data Transport and Storage Exploration) de la conception des systèmes embarqués, et system on chip, a pour objectif d'optimiser les ressources mémoire et gérer au mieux les transferts de données des systèmes de traitement. Cette étape a d'autant plus d'importance que la mémoire peut constituer jusqu'à 80% de la surface (donc du prix) et de la consommation d'énergie des circuits numériques. Une gestion efficace des données et de leur stockage peut donc permettre des circuits plus efficaces, avec davantage d'autonomie.

De nombreux traitements peuvent être approchés par des transformations perspectives par morceaux qui sont souvent plus faciles à optimiser. L'idée est donc d'étudier l'optimisation de ces transformations perspectives puis les méthodes d'approximation qui permettent de se ramener à de tels modèles.

Compétences attendues

  • Mathématique et algèbre
  • Optimisation et recherche opérationnelle
  • Systèmes embarqués et architecture
  • Programmation en C

Contexte du travail

Le projet MMopt (Memory Management Optimisation) vise à aider à l'optimisation de systèmes de traitement de données multidimensionnelles (images, etc ...) dans un environnement de synthèse de haut niveau (HLS - High Level Synthesis). La HLS consiste à générer une architecture de traitement à partir d'un modèle de haut niveau, le plus souvent séquentiel comme le langage C et dérivés. A partir d'un modèle C d'entrée, MMopt opère des transformations source-to-source en générant un modèle C optimisé vis à vis des transferts mémoire. Ce dernier modèle est ensuite fourni à un environnement HLS industriel pour générer une unité de traitement optimisée. L'exploration automatique de l'espace de conception est une étape d'optimisation multi-contraintes assez longue dans le cas général et il devrait être possible de l'accélérer en travaillant sur des représentations intermédiaires approchées. L'idée est donc de se concentrer sur l'optimisation des transformations perspectives par morceaux pour ensuite s'y ramener.

Sujet

Après une étude bibliographique, dans un premier temps, le candidat développera les modèles d'optimisation de la gestion de la mémoire des transformations perspectives par morceaux. Ces travaux seront validés par un code C. Dans un second temps, le candidat proposera une méthode d'approximation de fonctions non-linéaires par des transformations perspectives par morceaux.


Résultats attendus

Modèles mathématiques et code C.