大学院
過去（2022年度）の授業の情報です
学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2025年4月21日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
最終更新日：2025年4月21日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
カスタムコンピューティング特論
コンピュータシステムの更なる高性能化・効率化のためには、アプリケーションドメインに特化したハードウェアおよびソフトウェアを活用するカスタムコンピューティングが重要である。本講義では、カスタムコンピューティングを行う際に必要となるコンピュータアーキテクチャに関する知識と、高度なアプリケーションを実現するためのハードウェア、ソフトウェア、アルゴリズムに関する技術を、アクセラレータ・ハードウェア開発を通じて習得する。
Custom computing, which effectively utilizes domain-specific hardware and software, is a crucial approach for further performance and efficiency improvements of computer systems. In this lecture, you will learn the fundamental knowledge of computer architecture for custom computing. You will then earn various hardware, software, and system-aware algorithm techniques for realizing advanced applications via the development of an accelerator hardware.
Custom computing, which effectively utilizes domain-specific hardware and software, is a crucial approach for further performance and efficiency improvements of computer systems. In this lecture, you will learn the fundamental knowledge of computer architecture for custom computing. You will then earn various hardware, software, and system-aware algorithm techniques for realizing advanced applications via the development of an accelerator hardware.
時間割／共通科目コード
コース名
教員
学期
時限
4810-1190
GIF-CS5094L3
カスタムコンピューティング特論
高前田 伸也
木曜2限
マイリストに追加
マイリストから削除
講義使用言語
英語
単位
2
実務経験のある教員による授業科目
NO
他学部履修
可
開講所属
情報理工学系研究科
授業計画
(1) カスタムコンピューティング導入: コンピュータアーキテクチャの基礎、性能評価指標
(2) 並列処理と性能モデル: アムダールの法則、グスタフソンの法則、ルーフラインモデル、スケーリング
(3) 並列アーキテクチャ: SIMD、マルチコア、GPU
(4) ディジタル回路設計: 組み合わせ回路、順序回路、有限状態機械、メモリ回路
(5) FPGAの原理と構成: FPGAアーキテクチャ、論理合成、配置配線
(6) ハードウェア記述言語と高位合成ツール: Verilog HDL、Vitis HLS、Veriloggen
(7) ハードウェアアルゴリズムとシストリックアレイ: ソーティング、行列積、Google TPU
(8) ドメイン特化アーキテクチャ: DNNの基礎、DNNアクセラレータ
(9) ドメイン特化アーキテクチャのメモリシステム: スクラッチパッドメモリ、データ転送、データ再利用
(10) ハードウェアとアルゴリズムの協調設計: ハードウェア指向機械学習アルゴリズム
(11) DNNアクセラレータの開発: 基礎編
(12) DNNアクセラレータの開発: 発展編
(13) DNNアクセラレータの開発: 発表
(1) Introduction of Custom Computing: Computer architecture basics, Performance evaluation metrics
(2) Parallel Processing and Performance Model: Amdahl's law, Gustafson's law, Roofline model, Scaling
(3) Parallel Architecture: SIMD, Multithread, GPU
(4) Digital Circuit Design: Combinational circuit, Sequential circuit, Finite state machine, Memory circuit
(5) FPGA Fundamentals: FPGA Architecture, Logic synthesis, Place and route
(6) Hardware Description Language and High-Level Synthesis Tool: Verilog HDL, Vitis HLS, Veriloggen
(7) Hardware Algorithm and Systolic Array: Sorting, Matrix multiplication, Google TPU
(8) Domain-Specific Architecture: DNN basics, DNN accelerator
(9) Memory System for Domain-Specific Architecture: Scratchpad memory, Data transfer, Data reuse
(10) Hardware/Algorithm Co-design: Hardware-oriented machine learning algorithm
(11) DNN Accelerator Development: Basics
(12) DNN Accelerator Development: Advanced
(13) DNN Accelerator Development: Presentation
授業の方法
講義と演習による
By lectures and hands-on
成績評価方法
機械学習ハードウェア開発に関する課題を適宜課す。開発物とレポートにより、学習の達成度を総合的に評価する。
You will be given some assignments on machine learning hardware development. Your score will be evaluated based on the quality of the development achievements and reports.
教科書
適宜資料を配布する。
Handouts will be provided.
参考書
David Money Harris and Sarah L. Harris, ディジタル回路設計とコンピュータアーキテクチャ RISC-V版
John L. Hennessy and David A. Patterson、ヘネシー&パターソン コンピュータアーキテクチャ定量的アプローチ 第6版 RISC-V
天野英晴、FPGAの原理と構成
David Money Harris and Sarah L. Harris, Digital Design and Computer Architecture RISC-V Edition
John L. Hennessy and David A. Patterson, Computer Architecture, Quantitative Approach, 6th Edition RISC-V
(In Japanese) 天野英晴、FPGAの原理と構成
履修上の注意
コンピュータシステムとプログラミングに関する基本的な知識を有していること。
受講人数を制限する場合がある。
Basic knowledge of computer systems and programming are required.
The number of students can be limited.
