SHF: Medium:Collaborative Research: Architectural and System Support for Building Versatile Memory Systems

SHF:媒介:协作研究:构建多功能内存系统的架构和系统支持

基本信息

  • 批准号:
    1643271
  • 负责人:
  • 金额:
    $ 37.5万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
    Continuing Grant
  • 财政年份:
    2016
  • 资助国家:
    美国
  • 起止时间:
    2016-01-25 至 2021-06-30
  • 项目状态:
    已结题

项目摘要

Computer memory design is moving into a new era with emerging NVM (non-volatile memory) technologies for increasingly data-intensive applications. This project will investigate a novel memory architecture called versatile memory system that hosts heterogeneous memory technologies to provide a powerful in-memory computing engine, addressing the increasing demands for memory performance, energy efficiency, and reliability from data-intensive applications. It is based on a holistic approach, from low-layer hardware design to high-layer OS management, to address the challenges of complexity and efficiency arising from the integration of heterogeneous NVM technologies. It allows the memory system to be self-adaptive to meet varying application demands on performance, energy efficiency, and reliability. The project will study the framework, critical hardware support, and feasible and meaningful functionalities of the versatile memory system, aiming at improving the performance, energy efficiency, reliability, and manageability of computing systems from mobile to server platforms. It is expected that the outcome of the project will have broader impact on the design of modern computer memory systems both in academia and industry.
计算机内存设计正在进入一个新时代,新兴的 NVM(非易失性内存)技术适用于数据日益密集的应用。该项目将研究一种称为通用内存系统的新颖内存架构,该架构采用异构内存技术来提供强大的内存计算引擎,满足数据密集型应用程序对内存性能、能源效率和可靠性日益增长的需求。它基于从底层硬件设计到高层操作系统管理的整体方法,以解决异构NVM技术集成所带来的复杂性和效率的挑战。它使存储系统能够自适应,以满足不同的应用对性能、能效和可靠性的需求。该项目将研究多功能存储系统的框架、关键硬件支持以及可行且有意义的功能,旨在提高从移动到服务器平台的计算系统的性能、能源效率、可靠性和可管理性。预计该项目的成果将对学术界和工业界的现代计算机存储系统的设计产生更广泛的影响。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Zhao Zhang其他文献

Bio-Inspired Uniform Diffusion with Binary-State Sensory Action
具有二元状态感官作用的仿生均匀扩散
Cyberinfrastructure Requirements to Enhance Multi-messenger Astrophysics
增强多信使天体物理学的网络基础设施要求
  • DOI:
    10.1109/ms.2007.155
  • 发表时间:
    2019-03-11
  • 期刊:
  • 影响因子:
    0
  • 作者:
    P. Chang;Gabrielle Allen;W. Anderson;F. Bianco;J. Bloom;P. Brady;A. Brazier;S. Cenko;S. Couch;T. DeYoung;E. Deelman;Z. Etienne;R. Foley;D. Fox;V. Golkhou;D. Grant;C. Hanna;K. Holley;D. Howell;E. Huerta;Margaret W. G. Johnson;M. Jurić;D. Kaplan;D. Katz;A. Keivani;W. E. Kerzendorf;C. Kopper;M. Lam;L. Lehner;Z. Márka;S. Márka;J. Nabrzyski;G. Narayan;B. O’Shea;D. Petravick;R. Quick;R. Street;I. Taboada;F. Timmes;M. Turk;A. Weltman;Zhao Zhang
  • 通讯作者:
    Zhao Zhang
First-person multiple object tracking in complex traffic scenes
复杂交通场景中的第一人称多目标跟踪
Automatic energy saving schemes for parallel applications
并行应用的自动节能方案
  • DOI:
    10.31274/etd-180810-3569
  • 发表时间:
    2024-09-14
  • 期刊:
  • 影响因子:
    0
  • 作者:
    M. Sosonkina;Zhao Zhang;Vaibhav Sundriyal
  • 通讯作者:
    Vaibhav Sundriyal
Application of 5G telesurgery in urology
5G远程手术在泌尿外科的应用
  • DOI:
    10.1002/uro2.15
  • 发表时间:
    2023-06-25
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Fanshuo Meng;G. Chu;Zhao Zhang;Hang Yuan;Chengjun Li;Haitao Niu
  • 通讯作者:
    Haitao Niu

Zhao Zhang的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Zhao Zhang', 18)}}的其他基金

Collaborative Research: Frameworks: hpcGPT: Enhancing Computing Center User Support with HPC-enriched Generative AI
协作研究:框架:hpcGPT:通过 HPC 丰富的生成式 AI 增强计算中心用户支持
  • 批准号:
    2411294
  • 财政年份:
    2024
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
CAREER: Efficient and Scalable Large Foundational Model Training on Supercomputers for Science
职业:科学超级计算机上高效且可扩展的大型基础模型训练
  • 批准号:
    2340011
  • 财政年份:
    2024
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
Collaborative Research: Frameworks: Diamond: Democratizing Large Neural Network Model Training for Science
合作研究:框架:钻石:科学大型神经网络模型训练的民主化
  • 批准号:
    2401245
  • 财政年份:
    2023
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
Collaborative Research: Frameworks: Diamond: Democratizing Large Neural Network Model Training for Science
合作研究:框架:钻石:科学大型神经网络模型训练的民主化
  • 批准号:
    2311766
  • 财政年份:
    2023
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
Collaborative Research: CSR: Medium: Fortuna: Characterizing and Harnessing Performance Variability in Accelerator-rich Clusters
合作研究:CSR:Medium:Fortuna:表征和利用富含加速器的集群中的性能变异性
  • 批准号:
    2312689
  • 财政年份:
    2023
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Continuing Grant
Collaborative Research: OAC Core: ScaDL: New Approaches to Scaling Deep Learning for Science Applications on Supercomputers
协作研究:OAC 核心:ScaDL:在超级计算机上扩展深度学习科学应用的新方法
  • 批准号:
    2401246
  • 财政年份:
    2023
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
Collaborative Research: CSR: Medium: Fortuna: Characterizing and Harnessing Performance Variability in Accelerator-rich Clusters
合作研究:CSR:Medium:Fortuna:表征和利用富含加速器的集群中的性能变异性
  • 批准号:
    2401244
  • 财政年份:
    2023
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Continuing Grant
Collaborative Research: OAC Core: ScaDL: New Approaches to Scaling Deep Learning for Science Applications on Supercomputers
协作研究:OAC 核心:ScaDL:在超级计算机上扩展深度学习科学应用的新方法
  • 批准号:
    2106661
  • 财政年份:
    2021
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
Collaborative Research: OAC Core: Small: Efficient and Policy-driven Burst Buffer Sharing
合作研究:OAC Core:小型:高效且策略驱动的突发缓冲区共享
  • 批准号:
    2008388
  • 财政年份:
    2020
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
SHF: Medium:Collaborative Research: Architectural and System Support for Building Versatile Memory Systems
SHF:媒介:协作研究:构建多功能内存系统的架构和系统支持
  • 批准号:
    1514229
  • 财政年份:
    2015
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Continuing Grant

相似国自然基金

基于挥发性分布和氧化校正的大气半/中等挥发性有机物来源解析方法构建
  • 批准号:
    42377095
  • 批准年份:
    2023
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目
基于机器学习和经典电动力学研究中等尺寸金属纳米粒子的量子表面等离激元
  • 批准号:
    22373002
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目
中等质量黑洞附近的暗物质分布及其IMRI系统引力波回波探测
  • 批准号:
    12365008
  • 批准年份:
    2023
  • 资助金额:
    32 万元
  • 项目类别:
    地区科学基金项目
复合低维拓扑材料中等离激元增强光学响应的研究
  • 批准号:
    12374288
  • 批准年份:
    2023
  • 资助金额:
    52 万元
  • 项目类别:
    面上项目
中等垂直风切变下非对称型热带气旋快速增强的物理机制研究
  • 批准号:
    42305004
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

Collaborative Research: SHF: Medium: Enabling Graphics Processing Unit Performance Simulation for Large-Scale Workloads with Lightweight Simulation Methods
合作研究:SHF:中:通过轻量级仿真方法实现大规模工作负载的图形处理单元性能仿真
  • 批准号:
    2402804
  • 财政年份:
    2024
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
Collaborative Research: SHF: Medium: Enabling GPU Performance Simulation for Large-Scale Workloads with Lightweight Simulation Methods
合作研究:SHF:中:通过轻量级仿真方法实现大规模工作负载的 GPU 性能仿真
  • 批准号:
    2402806
  • 财政年份:
    2024
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
Collaborative Research: SHF: Medium: Enabling GPU Performance Simulation for Large-Scale Workloads with Lightweight Simulation Methods
合作研究:SHF:中:通过轻量级仿真方法实现大规模工作负载的 GPU 性能仿真
  • 批准号:
    2402805
  • 财政年份:
    2024
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
Collaborative Research: SHF: Medium: Differentiable Hardware Synthesis
合作研究:SHF:媒介:可微分硬件合成
  • 批准号:
    2403135
  • 财政年份:
    2024
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
Collaborative Research: SHF: Medium: Toward Understandability and Interpretability for Neural Language Models of Source Code
合作研究:SHF:媒介:实现源代码神经语言模型的可理解性和可解释性
  • 批准号:
    2423813
  • 财政年份:
    2024
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了