Оптические вычисления - Арратуна Р.
Скачать (прямая ссылка):
с конкретными данными. Во многих областях успехи в развитии компьютерной
технологии используются для увеличения вычислительных возможностей, а не
для экономии средств. Пользователь имеет ограниченное количество
устройств ввода-вывода, и по мере возрастания произво-
368
Часть IV. Символьные вычисления и искусственный интеллект
дительности компьютера пользователь будет стремиться выполнить больший
объем вычислений с темн же данными, а не увеличивать число типов данных.
Примером служит обратная задача в геологии [3, 4].
В данной главе основное внимание уделено символьной и цифровой обработке,
потому что в таких системах обычно придается большее значение
быстродействию, чем гибкости организации прогноза данных или даже
эффективности использования аппаратного обеспечения ЭВМ. Таким образом,
параллелизм является лишь средством достижения высокой скорости обработки
данных.
К настоящему моменту параллелизм обработки является сложным п трудно
реализуемым средством увеличения вычислительных возможностей, применяемых
к конкретным задачам. Причина этих трудностей и способ применения
оптических методов для решения этих задач обсуждаются в разд. 11.2.4 и
11.3.
11.2.4. Требования, предъявляемые к структуре процессоров
Спорным является вопрос о размере процессора в параллельной системе.
Несколько седнненных между собой компьютеров Cray представляют собой одну
крайность и включают в себя миллион одноразрядных процессоров. С другой
стороны, использование от 10 до 30 достаточно мощных процессоров
представляет собой традиционное средство удовлетворения сегодняшних
вычислительных потребностей, что обусловлено тем, что до настоящего
времени отсутствуют способы достаточно простого и эффективного
параллельного соединения большого числа процессоров.
Необходимы, однако, методы, линейно наращивающие свои возможности по мере
значительного увеличения числа процессоров.
Между тем при параллельных вычислениях возникает проблема, связанная с
тем, что существуют задачи, которые не удается реализовать на уровне
распараллеливания крупных структурных блоков обрабатывающих элементов.
Общее быстродействие определяется именно этими частями, а вследствие
синхронизации различных процессоров снижается общая эффективность работы
системы. Ситуация оказывается аналогичной случаю, когда повышению
быстродействия машины, предназначенной для обработки векторов,
препятствует наличие 10% скалярных данных. Как бы быстро ни осуществлялся
прогон данных, относящихся к векторам, обработка скалярных данных
занимает то же самое время что и ранее, и максимальный выигрыш в
быстродействии составляет 10 раз. Однако, как будет показано далее,
применение большого числа простейших процессоров позволяет фактически
достичь параллелизма с по-
Глава 11. Оптические соединения для обработки в реальном времени
369
мощью методов управления потоком данных, в то время как на уровне крупных
структурных элементов схемы обработки параллелизм отсутствует. Чтобы
сделать такой "параллелизм" отчетливо различимым для пользователя,
необходимы изощренные программные средства.
По экономическим причинам при приемлемой пене и выбранном уровне
"зернистости" структуры необходимо использовать процессоры с наибольшим
быстродействием. Большое число быстрых простейших процессоров требует,
однако, сложной и широкополосной сети соединений между процессорами. Для
цифровых и символьных вычислений оптика представляется единственной
технологией, обладающей способностью обеспечить необходимую ширину полосы
частот.
11.3. Преимущества перекрестных оптических схем
11.3.1. Проблемы параллельной обработки
Предложено много способов достижения параллелизма обработки [1] (рис.
11.1). При проработке предложенных быстродействующих устройств
соответственно рассматривались возникающие при этом трудности.
Распределение загрузки между рядом процессоров не снимает требования
иметь хотя бы минимальный уровень централизованного управления. При этом
также необходимы и соответствующие каналы связи с центральным
запоминающим устройством.
Распределение ресурсов памяти между процессорами может привести к
возникновению конфликтных ситуаций, когда два или более процессора
запрашивают информацию из одного и того же места. Разрешение конфликтной
ситуации дополнительно увеличивает сложность, цену и неэффективность
выполняемых вычислений. Простой пример такой ситуации можнр привести из
области умножения матрицы на матрицу, где для одновременного умножения на
каждый из столбцов второй матрицы должна одновременно присутствовать во
всех процессорах одна н та же строка первой матрицы. В подобных
ситуациях, для того чтобы избежать конфликтной ситуации с запоминающим
устройством, может использоваться стратегия запрограммированного потока
данных, которая предусматривает переключение потока данных.
На практике на основе имеющегося опыта требуется разбить задачу на
отдельные ступени таким образом, чтобы различные процессоры завершали
