Self-adaptative approximate system-on-a-chip: development of the hardware platform.

• Autor(a) principal: MAGALHÃES, Gabriel Villanova Novaes.
• Data de Publicação: 2018
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20479
• topic: Estágio em Engenharia Elétrica; Estágio na França; Estágio no exterior; Université Grenoble Alpes; Grenoble INP; Computação aproximada; Engenharia da Computação; RISC-V; Rocket; Laboratório TIMA; Approximate computing; Rocket chip; Internship in Electrical Engineering; Internship in France; Internship abroad; Université Grenoble Alps; Grenoble INP; Approximate Computation; Computer engineering; TIMA laboratory; Approximate computing; Engenharia Elétrica.

Approximate Computing é um tema bastante recente e que tem tomado a atenção dos pesquisadores, principalmente pelo aumento de softwares do tipo RMS e aplicações IoT, que processam dados com erro intrínseco, permitindo portanto processamento computacional de forma aproximada. Entretanto, a pesquisa nessa área ainda precisa de muito avanço, um deles, é construir uma plataforma computacional que permita testar ideias de AxC com bastante produtividade, em todo o espectro da Engenharia da Computação, do transistor aos Sistemas Operacionais Multiprocessados. O objetivo principal desse trabalho é estabelecer uma plataforma para que os pesquisadores da área possam testar suas ideias, treinar pessoas e avançar na pesquisa. Para isso, várias plataformas computacionais gratuitas foram avaliadas, sendo a mais promissora, o projeto da University of Berkeley, o Rocket Chip SoC Generator. Esse projeto, apesar de bastante completo para o que a pesquisa demanda, não possui uma documentação que permita entender e usar a plataforma e toda a sua capacidade de forma produtiva. Esse trabalho cria uma documentação abordando de forma gradativa quase tudo que essa plataforma oferece. No final, todo o conhecimento adquirido é usado para implementar e testar um Coprocessador na plataforma com técnica de Computação Aproximada.