分层神经任务调度算法

吞吐提升12%

面向同步通信多核神经形态芯片，动态利用任务共性，提升系统吞吐与资源利用率。

Lei, Huang · Lv, Pan · Du, Xin · Jin, Ouwen · 邓水光

Lecture Notes in Computer Science 2024

参数信息

系统吞吐量提升

12 %

资源利用率提升

4 %

技术优势

吞吐提升12%

通过动态识别任务间的共性计算模式，在遵循硬件约束下最大化数据处理量。

资源利用率提升4%

分层分布式调度框架提升了系统资源利用率，增强大规模神经形态系统的性能与效率。

支持动态SNN执行

调度器响应活动事件切换进程状态，适应数据流影响的神经计算任务。

应用场景

• 神经形态计算：提升神经形态芯片上稀疏事件驱动任务的处理效率。
• 操作系统调度：为多核神经形态芯片提供支持动态SNN的分层调度框架。
• 具身智能计算平台：支撑具身智能平台中数据流驱动的实时任务调度。
• 高性能计算：通过调度优化提升大规模神经形态系统的吞吐和资源利用率。