IPDPS e RAW events: il primo giorno del NECSTLab ad Orlando

0
I ragazzi del NECSTLab ad Orlando, Florida
I ragazzi del NECSTLab ad Orlando, Florida

Se si dovesse descrivere il NECSTLab con una parola, sarebbe ricerca. Il viaggio dei ragazzi del laboratorio del Politecnico di Milano inizia ad Orlando, Florida, dove hanno partecipato a due importanti eventi nelle giornate del 29 e 30 maggio: la 24esima edizione del RAW (Reconfigurable Architecture Workshop), un meeting volto alla condivisione di una ricerca in continua evoluzione su idee e risultati, sia teorici che pratici, sul Reconfigurable Computing.

RAW è un evento collocato con la 31esima edizione del IPDPS (IEEE International Parallel & Distributed Processyng Symposium), una conferenza annuale per ingegneri e ricercatori per presentare le recenti scoperte ed innovazioni nei campi del parallel processing e del distributed computing.

NECSTLab, da Milano agli USA

IPDPS & RAW17
IPDPS & RAW17

Non è la prima volta che il NECSTLab (Novel, Emerging Computing System Technologies Laboratory) approda negli USA per portare le loro ricerche: quella di quest’anno, infatti, si tratta dell’ottava edizione. Le tematiche trattate inerente ai computing systems sono molteplici: si passa dalle architetture dei calcolatori alle metodologie di hardware-software codesign, sicurezza e affidabilità delle complesse architetture di sistema, auto-diagnosi e fault tolerance, sia per le architetture hardware che per i sistemi hardware-software.

29 MAGGIO 

A rompere il ghiaccio, il primo talk dell’intero workshop tenuto dal NECSTLab durante la prima sessione rigulardante l'”Architectures for Convolutional Neural Networks and Sliding Window” è stato ad opera di Marco Bacis, studente di laurea specialistica in Ingegneria Informatica, presentando il proprio lavoro “A Pipelined and Scalable Dataflow Implementation of Convolutional Neural Networks on FPGA”.

Le tecniche di Deep Learning si sono espanse notevolmente in molteplici campi di studio, dal riconoscimento immagini e video al natural language processing e, in particolare, la CNN (Convolutional Neural Network) ne rappresenta l’esempio perfetto per l’accuratezza dell’intero sistema. Questo progetto, appartenente alla DReAMS Research Line del NECST, propone una metodologia di accelerazione di CNN su FPGA (Field Programmable Gate Array), sfruttando a pieno la natura dataflow dell’algoritmo.

Il secondo talk “Exploiting FPGAs from Higher Level Languages A signal analysis case study”, è stato tenuto da Luca Stornaiuolo all’interno della seconda sessione su “Design and Programming Methods”. 

Luca Stornaiuolo
Luca Stornaiuolo, studente della magistrale in Ingegneria Informatica

Il lavoro si posiziona tra le soluzioni che cercano di fornire ad utenti non esperti nell’accelerazione hardware su FPGA un insieme di librerie utilizzabili all’interno delle proprie applicazioni per trarre vantaggio da questi dispositivi. In particolare, presenta un’interfaccia da R, un linguaggio ad alto livello comunemente usato in statistica e dai data scientist, ad una FPGA connessa via PCI-Express (PCIe) ad un sistema host.

Il terzo ed ultimo talk del NECST Lab “A Scalable Dataflow Implementation of Curran’s Approximation Algorithm” è stato presentato da Anna Maria Nestorov all’interno della terza sessione “Acceleration of Curran’s Approximation and Elliptic Curve Crypto”. 

Anna Maria Nestorov durante la presentazione
Anna Maria Nestorov ( studentessa all’ultimo anno del corso magistrale in Ingegneria informatica) durante la presentazione

Il dominio applicativo in cui si sviluppa il suo lavoro è quello della Computing Finance, che costituisce una vera sfida dal punto di vista computazionale in quanto richiede prestazioni sempre più elevate per poter essere trattato in tempi ragionevoli. Guidato dalla concorrenza tra aziende, il Computing Finance spinge l’High Performance Computing (HPC) ai suoi limiti. Il progetto presentato consiste nell’implementazione Dataflow dell’approssimazione di Curran, utilizzata nell’ambito finanziario per stimare il prezzo di un’opzione. Sebbene sia costoso, l’algoritmo di approssimazione, ad oggi, viene largamente utilizzato per il suo alto grado di precisione. La soluzione proposta consiste in una implementazione distribuita, basata sulla tecnologia MAX 4 MPC-X prodotta da Maxeler Technologies, in grado di utilizzare contemporaneamente 8 Data Flow Engines (DFEs).

La giornata si conclude con il panel “The Role of Reconfigurable Computing Architectures in the era of Cloud Computing and Data Analytics”, dove Marco D. Santambrogio, responsabile del laboratorio del Polimi, nel ruolo di mediatore del panel ha interagito con Prof.Ronald F. DeMara (University of Central Florida), Prof. Juergen Becker (Karlsruhe Institute of Technology), Prof. Donatella Sciuto (Politecnico di Milano) e Diana Goehringer (TU Dresden).

Professor Santambrogio durante il panel
Marco Santambrogio durante il panel

LASCIA UN COMMENTO