🤖 AI

MADAR: An Address-Free Processor

MADAR introduce una nuova architettura di processore priva di indirizzi che sostituisce le tradizionali gerarchie di memoria e il recupero degli operandi con anelli circolari di slot e pianificazione a tempo di compilazione, riducendo significativamente i costi energetici e di area per carichi di lavoro prevedibili come l'accelerazione dell'IA.

Autori originali: Mohamed Amine Bergach

Pubblicato 2026-06-16

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Mohamed Amine Bergach

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina un moderno processore per computer come un aeroporto frenetico e caotico.

In un computer standard (come quello nel tuo telefono o laptop), i "dati" (i passeggeri) e le "istruzioni" (i piani di volo) sono conservati in un terminal vasto e statico. Per portare a termine qualsiasi operazione, il computer deve:

Trovare il passeggero nel terminal (indirizzamento).
Controllare il suo documento contro una lista (tag).
Decidere a quale gate debba andare (arbitrazione).
Farlo passare attraverso i controlli di sicurezza e portarlo all'aereo (reti di bypass).

L'articolo sostiene che il 90% dell'energia e dello spazio in un moderno computer viene sprecato in questo processo di "ricerca e movimento". La matematica vera e propria (il volo stesso) è economica e occupa pochissimo spazio.

MADAR è un nuovo design che elimina completamente l'intero terminal aeroportuale. Inveve di un edificio statico, MADAR è un gigantesco carosello rotante.

Ecco come funziona, usando analogie semplici:

1. Il Carosello Rotante (Archiviazione Circolante)

Invece di archiviare i dati in punti fissi, MADAR mette tutto su un grande anello che ruota di un passo ogni ciclo di clock.

Nessun Indirizzo: Non dici: "Vai al posto 42". Dici: "Vai al posto che si trova attualmente 3 passi davanti a me".
Nessun Recupero (Fetching): I dati non aspettano di essere prelevati. Continuano semplicemente a girare. Quando il dato passa davanti a un lavoratore, il lavoratore lo afferra.

2. Il Treno di Vagoni (Co-circolazione)

In un computer normale, l' "istruzione" (cosa fare) e il "dato" (su cosa farlo) si trovano in posti diversi. In MADAR, sono sullo stesso vagone del treno.

Immagina un treno dove ogni vagone trasporta un passeggero e un biglietto. Mentre il treno gira intorno alla pista, il passeggero e il biglietto arrivano alla stazione insieme. Sono indistinguibili l'uno dall'altro; viaggiano semplicemente insieme.

3. I Lavoratori Fissi (Esecuzione per Collisione)

Immagina il pavimento di una fabbrica con un nastro trasportatore (l'anello) che gira davanti a te.

Stazioni Fisse: Ci sono lavoratori (ALU, moltiplicatori) fermi in punti specifici. Loro non si muovono mai.
La Collisione: Quando un vagone del treno (che contiene un'istruzione e il suo dato) passa davanti a un lavoratore, il lavoratore esegue istantaneamente il calcolo matematico.
Nessuna Attesa: Il lavoratore non aspetta un segnale che dica: "Sono pronto". Esegue semplicemente il calcolo nel momento in cui il vagone passa. Se il vagone non c'è, il lavoratore non fa nulla. Se c'è, la matematica avviene. Questo è chiamato "esecuzione per collisione".

4. Le Corsie di Velocità (La Gerarchia della Memoria)

Questa è la parte più geniale. MADAR ha anelli di diverse dimensioni, come corsie su una pista da corsa.

L'Anello Interno (Veloce): Un piccolo anello veloce (come un loop di 16 passi). Questo è per i dati di cui hai bisogno proprio ora. Gira molto velocemente.
L'Anello Esterno (Lento): Un enorme anello lento (come un loop di 64.000 passi). Questo è per i dati di cui avrai bisogno più tardi. Gira lentamente.
Il Trasferimento: Invece di un "cache miss" (dove il computer va nel panico e va a cercare i dati), il compilatore (la persona che scrive il codice) pianifica esattamente quando spostare un passeggero dall'anello esterno lento a quello interno veloce. È come un viaggio in ascensore programmato. Non ci sono sorprese; tutto è pianificato prima ancora che la macchina inizi.

Perché è una grande novità?

L'articolo afferma che eliminando il "terminal aeroportuale" (il complesso sistema di indirizzamento), MADAR risparmia una quantità enorme di energia.

Il Costo: L'unico costo è l'energia per mantenere in rotazione il carosello.
Il Rendimento: Per compiti in cui il movimento è prevedibile (come i calcoli dell'IA o l'elaborazione video), l'energia risparmiata dal non dover cercare i dati è molto maggiore dell'energia spesa per far girare l'anello.

Il "Punto di Equilibrio" (Sweet Spot)

L'articolo usa un esempio specifico: l'Inferenza IA (eseguire una rete neurale).

Nell'IA, si esegue la stessa matematica ripetutamente (moltiplicando numeri e sommandoli).
In un computer normale, si recuperano continuamente questi numeri dalla memoria, il che è lento e consuma molta energia.
In MADAR, carichi i numeri sull'anello una volta sola. Essi continuano a girare. Ogni volta che passano davanti al lavoratore matematico, il lavoratore esegue il calcolo. Il costo energetico rimane costante, indipendentemente da quanti numeri devi elaborare, perché non ti fermi mai a "cercarli".

Cosa NON è MADAR

L'articolo è molto chiaro sui suoi limiti:

Non è per tutto: Se stai facendo qualcosa di imprevedibile, come seguire un link casuale su un sito web o giocare a un videogioco dove il giocatore si muove casualmente, MADAR fatica. Ha bisogno di conoscere il percorso prima di iniziare.
Non è magia: Se l'anello è troppo grande per il compito, il costo energetico per far girare lo spazio vuoto diventa troppo alto, e MADAR perde contro un computer normale.

Riassunto

MADAR è un processore che sostituisce il modello "cerca e recupera" con un modello "ruota e collide". Tratta il computer come un carosello rotante dove le istruzioni e i dati viaggiano insieme, e la matematica avviene automaticamente mentre passano davanti a lavoratori fissi. Scambia la complessità del trovare le cose con la semplicità della rotazione, rendendolo incredibilmente efficiente per compiti prevedibili e ripetitivi come l'IA.

Riepilogo Tecnico: MADAR – Un Processore Senza Indirizzi

Problema

I processori moderni dedicano la stragrande maggioranza della loro area ed energia all'indirizzamento piuttosto che all'aritmetica. Il meccanismo necessario per spostare gli operandi dai registri e dalle cache — inclusi array di tag, code di miss, reti di bypass e file di registri multi-porta — rappresenta oltre il 90% dell'overhead energetico di un core in determinati carichi di lavoro, mentre le unità funzionali consumano meno del 6%. Questo overhead deriva dalla tensione fondamentale dell'architettura von Neumann: il datapath trasmette gli operandi, ma il sistema di memoria deve fermare i valori in posizioni fisse per assegnare loro degli indirizzi per il recupero su richiesta.

Metodologia e Architettura

Il documento propone MADAR (arabo per "orbita"), un'architettura di processore che abolisce completamente il concetto di indirizzo. Invece di uno storage statico, MADAR si basa sulla rotazione. L'architettura è definita da quattro proprietà congiunte:

Storage Circolante: Tutto lo stato risiede in anelli di slot ( $R_0 \dots R_n$ ) che avanzano di una posizione per ogni ciclo di clock. Un valore è identificato non da un indirizzo, ma da una coordinata $(anello, fase)$. L'implementazione fisica utilizza letteralmente registri a scorrimento per gli anelli piccoli e veloci e banchi SRAM a singola porta scansionati da un puntatore rotante per gli anelli grandi e lenti.
Co-circolazione: Istruzioni e dati occupano gli stessi slot e circolano insieme. Sono distinti solo da un campo "kind" (tipo) nell'intestazione del pacchetto.
Esecuzione per Collisione: Le stazioni di calcolo (ALU, moltiplicatore, ecc.) sono fissate in posizioni specifiche sugli anelli. Un'istruzione viene eseguita quando passa davanti alla sua stazione. Gli operandi sono nominati tramite il loro offset rotazionale (una posizione all'interno di una finestra fissa, ad esempio $W=8$ slot in avanti) piuttosto che tramite indirizzo. L'esecuzione è statica e pianificata al momento della compilazione; non esiste un meccanimento di matching dinamico, scoreboard o logica di wakeup.
Gerarchia di Periodo come Gerarchia di Memoria: Gli anelli con periodo geometricamente crescente (ad esempio 16, 256, 4K, 64K slot) sostituiscono la tradizionale gerarchia delle cache. I trasferimenti tra gli anelli sono pianificati al momento della compilazione anziché innescati da cache miss. La promozione a un anello con periodo più breve agisce come un riempimento della cache (cache fill); la demozione a un anello con periodo più lungo agisce come un'evizione.

Controllo del Flusso e Movimento dei Dati:

Steering (Guida): Il flusso di controllo è gestito da stazioni di "steer" che valutano i predicati. Se una condizione è soddisfatta, la stazione rimuove (uccide) specifici pacchetti di istruzioni dall'anello, trasformando i loro slot in "bolle".
Trasferimento: Il movimento dei dati tra gli anelli è gestito da stazioni di trasferimento in fasi pianificate.
Relay (Relè): Se un produttore e un consumatore sono separati da più della finestra dell'operando ( $W$ ), il compilatore inserisce istruzioni esplicite di "copy relay" per colmare il divario, consumando la capacità dell'anello.
Rendezvous (Incontro): Per gli accessi dipendenti dai dati in cui la fase target è sconosciuta al momento della compilazione, una stazione di rendezvous cattura un valore quando un contatore di fase a corsa libera corrisponde al valore richiesto, incorrendo in una penalità di latenza di circa metà rotazione.

Contributi Chiave

Il documento presenta sei contributi specifici:

Definizione del Modello di Esecuzione: Una definizione precisa del modello MADAR, inclusa l'invariante di indirizzamento che garantisce la correttezza.
Contestualizzazione: Un confronto dettagliato con precedenti architetture a storage circolante, indirizzamento temporale e dataflow (ad esempio, Pilot ACE, Mill, Groq), dimostrando che MADAR è la prima a combinare tutte e quattro le proprietà definenti.
Validazione: Un'implementazione a livello di trasferimento di registro (RTL) ciclo-accurata in SystemVerilog (simulata con Verilator) che valida la semantica dell'esecuzione.
Scheduler Costruttivo: Un compilatore che genera automaticamente le disposizioni di seduta e le pianificazioni di trasferimento per i kernel (codice a linea retta e cicli contati) senza intervento manuale. Ogni programma emesso è verificato rispetto al modello RTL.
Modello di Costo Energetico: Un modello energetico di primo ordine che quantifica il compromesso tra il costo della rotazione e il risparmio derivante dall'eliminazione della meccanica di indirizzamento.
Caso di Studio: Un'analisi dell'inferenza AI in streaming, dimostrando come l'architettura gestisce l'algebra lineare densa.

Risultati

Correttezza: L'implementazione RTL ha confermato che la rotazione funge da storage, la collisione funge da esecuzione e lo steering sostituisce il branching. Programmi con posizionamento manuale e quelli generati dal compilatore hanno prodotto risultati corretti (ad esempio, un ciclo di somma contata che accumula $0+1+\dots+(R-1)$ ).
Punto di Crossover Energetico: Il modello energetico identifica un "punto di crossover" in cui MADAR diventa più efficiente di un baseline in-order semplice (assunto a 70 pJ/istruzione).
- Regime Vincente: I kernel che rientrano in anelli piccoli (ad esempio, un anello da 16 slot) con pochi o nessun relay, come i cicli multiply-accumulate e i filtri FIR, mostrano punti di crossover tra 26 e 63 pJ/istruzione, superando significativamente il baseline.
- Regime Perdente: I kernel che richiedono anelli grandi o molti relay (ad esempio, catene di accumulo profonde o polinomi di grado 5) soffrono del costo energetico di spostamento di molti pacchetti vivi. Questi mostrano punti di crossover tra 126 e 205 pJ/istruzione, risultando meno efficienti del baseline.
Caso di Studio Inferenza AI:
- Riduzioni Piatte: Una riduzione piatta (flat dot product tree) è inefficiente perché la dimensione dell'anello deve crescere con la lunghezza della riduzione, causando un eccessivo consumo energetico per la rotazione.
- Inner Product in Streaming: Trasmettendo gli operandi da anelli lunghi a un anello di calcolo a dimensione fissa tramite trasferimenti pianificati, l'energia per ogni multiply-accumulate rimane costante indipendentemente dalla lunghezza della riduzione.
- Riutilizzo degli Operandi: Il dataflow più efficiente per la moltiplicazione di matrici instrada il riutilizzo degli operandi attraverso la gerarchia di periodo: promuovendo gli operandi condivisi da anelli supportati da SRAM a anelli piccoli supportati da registri a scorrimento. Questo approccio ha ottenuto 86 pJ/multiply-accumulate per un prodotto matrice-vettore 8x8, superando sia gli approcci fused-tile che quelli a singolo stream.

Significato e Rivendicazioni

Il documento afferma che MADAR rappresenta un nuovo punto di progettazione per computazioni in cui il movimento dei dati è noto staticamente prima dell'esecuzione. La sua importanza risiede nell'eliminazione dell'overhead di indirizzamento: rimuovendo la necessità di tag, decoder di accesso casuale e registri di stato di miss, l'architettura punta alla principale fonte di spreco energetico dei core moderni. Inoltre, grazie alla tempistica deterministica, poiché lo schema è fisso al momento della compilazione, non ci sono stall reattivi o cache miss, rendendo l'architettura adatta al tempo reale critico e alla crittografia a tempo costante.

Per quanto riguarda i carichi di lavoro in streaming e l'inferenza AI, il documento sostiene che la "gerarchia di memoria" viene effettivamente sostituita da una "gerarchia di periodo", dove la rotazione dei dati svolge il lavoro di caching.

Limiti e Ambito:
Gli autori sono modesti riguardo all'ambito. MADAR non è un sostituto universale per le macchine ad accesso casuale. È poco adatto per il pointer-chasing, la traversata di grafi irregolari o carichi di lavoro con dipendenze dai dati imprevedibili, che comportano una penalità di latenza significativa. Inoltre, l'attuale scheduler gestisce catene a linea retta e cicli, ma non alberi di riduzione arbitrari o riordinamenti complessi. Le affermazioni sull'energia si basano su un modello di primo ordine; gli autori riconoscono che è necessaria una comparazione basata su sintesi completa per dimostrare definitivamente il vantaggio energetico rispetto agli scheduler statici all'avanguardia come Groq.

In conclusione, MADAR dimostra che per una specifica classe di carichi di lavoro streaming e statisticamente pianificabili, il costo di ruotare i dati può essere inferiore al costo di indirizzare dati statici, offrendo un compromesso fondamentalmente diverso tra movimento e staticità nella progettazione dei processori.