← أحدث الأبحاث
💻 علوم الحاسوب

Portable SIMD Acceleration of Sparse Linear Algebra Libraries on RISC-V

تقدم هذه الورقة تسريعًا لنقل الأداء لعمليات المتجهات أحادية التعليمات والبيانات (SIMD) لمكتبات الجبر الخطي المتناثر (Ginkgo، وPETSc، وSLEPc) باستخدام Google Highway على أجهزة RISC-V، مع تقييم المقايضات بين قابلية النقل، وقابلية البرمجة، والأداء لتوجيه الاعتماد المستقبلي على منصات بنية التعليمات المفتوحة الناشئة.

المؤلفون الأصليون: Patricia Siwinska, Adrián Castelló, Héctor Martínez, Andrés E. Tomás, Enrique S. Quintana-Ortí

نُشر 2026-10-14
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Patricia Siwinska, Adrián Castelló, Héctor Martínez, Andrés E. Tomás, Enrique S. Quintana-Ortí

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تُبنى الحواسيب الحديثة للتعامل مع كميات هائلة من البيانات، لكنها غالباً ما تعاني عندما تكون تلك البيانات مبعثرة وغير مكتملة. في عالم الحوسبة العلمية، تتضمن العديد من المشكلات معلومات "متفرقة" (sparse)، حيث تكون معظم الأرقام في شبكة كبيرة هي أصفار. تخيل خريطة لمدينة حيث تم تحديد الطرق فقط وتُركت الحقول الفارغة بيضاء؛ فإن الحاسوب الذي يحاول حساب تدفق حركة المرور عبر هذه الخريطة لا يحتاج إلى معالجة الحقول الفارغة، ومع ذلك تهدر الطرق التقليدية الوقت في فحصها على أي حال. ولحل هذه المشكلات بكفاءة، يعتمد المهندسون على مكتبات برمجية متخصصة تعمل كمحرك للمحاكاة في الفيزياء والهندسة وعلوم المناخ. وعلى مدى عقود، أصبحت هذه المكتبات أسرع باستخدام تقنية تسمى SIMD، والتي تسمح للمعالج بإجراء نفس العملية الحسابية على أرقام متعددة في وقت واحد، تماماً مثل خط تجميع في مصنع يختم قطعاً متطابقة في حركة واحدة بدلاً من القيام بذلك واحدة تلو الأخرى. ومع ذلك، مع ظهور أنواع جديدة من شرائح الحاسوب، وخاصة تلك القائمة على بنية RISC-V المفتوحة، أصبح الحفاظ على ميزة السرعة هذه أمراً صعباً لأن التعليمات التي تخبر الشريحة بكيفية العمل تختلف اختلافاً كبيراً من مصنع إلى آخر.

استكشف فريق من الباحثين من إسبانيا طريقة لجعل هذه الحسابات عالية السرعة تعمل بسلاسة عبر أنواع مختلفة من الأجهزة دون إعادة كتابة البرامج لكل شريحة جديدة. لقد ركزوا على ثلاث مكتبات رئيسية يستخدمها العلماء في جميع أنحاء العالم، وهي: Ginkgo وPETSc وSLEPc، المصممة لحل الألغاز الرياضية المعقدة التي تتضمن شبكات كبيرة ومتفرقة من الأرقام. واختبر الباحثون أداة تسمى Google Highway، وهي قطعة من الكود البرمجي تعمل كمترجم عالمي لهذه الحسابات. فبدلاً من كتابة تعليمات محددة لشريحة معينة، يمكن للمطورين كتابة مجموعة واحدة من التعليمات باستخدام هذه الأداة، وهي تتكيف تلقائياً للعمل على أي معالج متاح، سواء كانت شريحة من شركة تقنية كبرى أو تصميماً جديداً مفتوح المصدر مثل RISC-V. قام الفريق بأخذ العمليات الرياضية الجوهرية من هذه المكتبات الثلاث وأعاد بناءها باستخدام هذه الأداة العالمية، ثم شغلوها على شريحة RISC-V تجارية تسمى SpacemiT K1 ليروا ما إذا كانت السرعة ستصمد.

أظهرت النتائج أن هذا النهج فعال، ولكن مع وجود تحفظات مهمة فيما يتعلق بكيفية تنظيم البيانات. فعندما اختبر الباحثون البرنامج على شريحة RISC-V، وجدوا أن الأداة العالمية نجحت في تسريع الحسابات، مما أثبت أنه من الممكن كتابة الكود مرة واحدة وتشغيله بسرعة على آلات مختلفة. ومع ذلك، لم تكن مكاسب السرعة موحدة عبر جميع المهام. فبعض العمليات، وخاصة تلك التي أبقت النتائج الوسيطة داخل الذاكرة السريعة للمعالج، شهدت تحسينات هائلة، حيث كانت بعض الخطوات تعمل بسرعة تزيد عن عشر مرات عن النسخة القياسية. أما المهام الأخرى، التي تطلبت نقل البيانات باستمرار من وإلى الذاكرة، فقد شهدت مكاسب أقل بكثير. وكان الاكتشاف الحاسم هو أن التنسيق الذي تُخزن فيه البيانات كان أكثر أهمية من الكود نفسه. فعندما أعاد الباحثون ترتيب البيانات المتفرقة في هيكل محدد ومُحشو (padded structure)، كانت التحسينات في السرعة كبيرة. وعندما تركوها في تنسيقها الأصلي غير المنتظم، كان التسريع ضئيلاً. وهذا يشير إلى أنه بينما تعد أداة الترجمة العالمية فعالة، فإن الهيكل الفيزيائي للبيانات يظل العامل الأهم في تحقيق الأداء العالي.

كما سلطت الدراسة الضوء على المقايضات المرتبطة باستخدام هذا النهج العالمي. وجد الباحثون أنه بينما جعلت الأداة الكود أسهل في الكتابة وأكثر قابلية للنقل، إلا أنها تطلبت منهم تجريد المكتبات الأصلية من بعض الميزات المعقدة والمرنة لجعل الحسابات تعمل بكفاءة. اضطروا إلى تبسيط المنطق الداخلي للبرنامج، وإزالة بعض الفحوصات الشرطية التي تبطئ المعالج. وهذا يعني أنه للحصول على أفضل أداء، لم يكن بإمكانهم ببساطة توصيل الأداة بالمكتبات الموجودة، بل توجب عليهم إعادة بناء أجزاء محددة من البرنامج من الصفر. ورغم هذه التحديات الهندسية، أثبتت التجربة أن الأداة العالمية نجحت في سد الفجوة بين أنواع المعالجات المختلفة. وخلص الباحثون إلى أنه بينما توفر الأداة أساساً قوياً للبرمجيات المستقبلية، فإن تحقيق أعلى سرعة ممكنة لا يزال يعتمد على التخطيط الدقيق لكيفية تخزين البيانات وهيكلة الحسابات. ويقدم هذا العمل مساراً عملياً للمطورين الذين يرغبون في بناء برمجيات علمية سريعة يمكنها العمل على النطاق المتنوع من شرائح الحاسوب المتوقعة في المستقبل.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →