面向异构SIMD扩展部件的自动向量化方法

    公开(公告)号:CN103279327A

    公开(公告)日:2013-09-04

    申请号:CN201310155403.9

    申请日:2013-04-28

    Abstract: 本发明涉及高性能计算自动并行化领域,特别涉及一种面向异构SIMD扩展部件的自动向量化方法,适用于不同向量长度、不同向量指令集的异构SIMD扩展部件,设计一套虚拟指令集,能够在自动向量化统一架构下将输入的C和Fortran程序转化为虚拟指令的中间表示,通过向量长度解虚拟化和指令集解虚拟化,自动变换为面向异构SIMD扩展部件的向量化代码,使程序员从繁冗复杂的手工向量化编码中解脱出来,本发明将向量化方法与相关优化方法相结合,从不同粒度进行向量识别,通过常规优化和引用点优化,最大限度的发掘循环级和基本块级的混合并行性,通过分析跨越基本块的数据依赖,对生成后的代码进行冗余优化,有效提升了程序的执行效率。

    基于异构可重构体系结构面向任务流的编译方法

    公开(公告)号:CN101441569B

    公开(公告)日:2012-05-30

    申请号:CN200810231010.0

    申请日:2008-11-24

    Abstract: 本发明涉及一种基于异构可重构体系结构面向任务流的新型编译方法;该方法含有下列步骤:a.根据参数设置,应用具有不同针对性的任务流识别与优化技术,将被编译的串行程序或并行程序进行自动任务流化,产生任务流程序源代码;b.根据异构计算系统的执行特征,将任务流程序源代码中的任务根据其特点进行软硬件功能的动态划分,产生低级代码和配置流;c.产生目标程序和相应的FPGA配置流文件,完成面向异构可重构结构和任务流机制的特定优化;本发明针对不同计算任务的特点和需求,采用先进的软硬件功能动态划分和协同技术,产生出针对CPU的低级代码和针对RLU的配置流,有效提高了系统的整体性能和可重构计算资源的利用率。

    基于任务数据流驱动的高效能超级计算系统的设计方法

    公开(公告)号:CN101655828A

    公开(公告)日:2010-02-24

    申请号:CN200810141068.6

    申请日:2008-08-18

    Abstract: 本发明涉及一种基于任务数据流驱动的高效能超级计算系统的设计方法;该方法采用可重构互连网络将n个处理单元、存储器阵列以及输入/输出接口互连,各功能部件根据任务数据流需要可重构和可编程,以实现整个系统的协调运行,任务数据流以指令形式存放在所述存储器阵列的指令池中,处理单元通过可重构互连网络取出需执行的指令后先进行缓存,然后对其进行类型分析统计,根据类型分析统计的结果指导处理单元进行结构重构的计算;本发明提供了一种基于任务数据流驱动的高效能超级计算系统的设计方法,该方法通过处理单元可配置编程、互连网络可编程,以及其它软硬件计算资源可编程来实现自适应计算,以期实现计算系统的最佳性能。

    基于原子操作语义描述的多源二进制代码一体化翻译方法

    公开(公告)号:CN103235724A

    公开(公告)日:2013-08-07

    申请号:CN201310172630.2

    申请日:2013-05-10

    Abstract: 本发明涉及一种基于原子操作语义描述的多源二进制代码一体化翻译方法,具体含有如下步骤:步骤1:将源平台的机器指令进行反汇编后得到汇编指令,设计原子操作描述语言,对构成指令的指令原子操作及原子寻址方式分别进行描述,组成刻画指令语义的表达式序列,实现对不同处理器指令集的统一描述;步骤2:为简单后续翻译,将不方便处理的表达式序列映射为三叉语义树;步骤3:采用分层迭代的指令语义等价转换算法,在三叉语义树上通过自顶向下的策略进行分层翻译,然后,利用本地编译器产生目标平台的机器指令;本发明了提供一种可扩展、应用范围广、效率高的基于原子操作语义描述的多源二进制代码一体化翻译方法。

    分层协同的混淆后API调用行为发现及其恶意性判定方法

    公开(公告)号:CN101359352A

    公开(公告)日:2009-02-04

    申请号:CN200810141455.X

    申请日:2008-09-25

    Abstract: 本发明涉及一种分层协同的混淆后API调用行为发现及其恶意性判定方法;该判定方法含有三个步骤:首先,对待分析的二进制代码进行反汇编,构建程序的控制流图CFG,根据数据库DB1中存储的已知具有调用API函数能力的非常规指令或数据序列来识别API函数的非常规调用行为;其次,完成目标程序所调用的API序列的生成工作,从直接调用和间接调用两方面对API函数进行识别和恢复;最后,完成API序列的提取及恶意性判定工作,序列的提取基于程序的控制流图CFG完成,然后将得到的序列按照可疑API序列库中存储的格式进行规范化;本发明提供了一种识别范围广、识别准确、效率高的分层协同的混淆后API调用行为发现及其恶意性判定方法。

    面向异构SIMD扩展部件的自动向量化方法

    公开(公告)号:CN103279327B

    公开(公告)日:2015-11-25

    申请号:CN201310155403.9

    申请日:2013-04-28

    Abstract: 本发明涉及高性能计算自动并行化领域,特别涉及一种面向异构SIMD扩展部件的自动向量化方法,适用于不同向量长度、不同向量指令集的异构SIMD扩展部件,设计一套虚拟指令集,能够在自动向量化统一架构下将输入的C和Fortran程序转化为虚拟指令的中间表示,通过向量长度解虚拟化和指令集解虚拟化,自动变换为面向异构SIMD扩展部件的向量化代码,使程序员从繁冗复杂的手工向量化编码中解脱出来,本发明将向量化方法与相关优化方法相结合,从不同粒度进行向量识别,通过常规优化和引用点优化,最大限度的发掘循环级和基本块级的混合并行性,通过分析跨越基本块的数据依赖,对生成后的代码进行冗余优化,有效提升了程序的执行效率。

Patent Agency Ranking