محققان کد پایتون را برای محاسبات درون حافظه توسعه می دهند؛ محاسبات درون حافظه به کد پایتون می رسد

محاسبات درون حافظه برای مدتی در حال توسعه بوده است؛ با این حال، نرم افزار هنوز منتشر نشده است یا با این معماری محاسباتی سازگار است. Techxplore گزارش می دهد که محققان Technion نرم افزاری را توسعه داده اند که با پردازش در طراحی های حافظه، به ویژه با کد پایتون کار می کند.

ظاهراً محققان نظریه ای را برای ساخت یک زبان برنامه نویسی با در نظر گرفتن محاسبات درون حافظه ایجاد کردند. نرم افزاری که آنها ایجاد کردند دستورات پایتون را به کد ماشین تبدیل می کند که مستقیماً در حافظه رایانه اجرا می شود.

این زبان کامپیوتری جدید PyPIM (Python Processing-in-Memory) نام دارد. درست مانند لایه‌های تبدیل API مانند DXVK (DirectX به Vulkan)، PyPIM یک لایه تبدیل است که کد معمولی پایتون را به کدی تبدیل می‌کند که می‌تواند روی این نوع جدید از روش‌های محاسباتی اجرا شود. در نتیجه، برنامه نویسان پایتون می توانند به همان روشی که برای رایانه های معمولی می نویسند بنویسند و نیازی به تطبیق سبک نوشتن خود برای محاسبات درون حافظه ندارند.

Techxplore نشان می‌دهد که نرم‌افزار یکی از جنبه‌های حیاتی پردازش کامپیوتر درون حافظه‌ای است که تاکنون کاملاً ناشناخته مانده است. کد محاسباتی نوشته شده برای کامپیوترهای معمولی ظاهراً از دهه 1940 به سختی تغییر کرده است. پروفسور شاهار کواتینسکی از دانشکده مهندسی برق و کامپیوتر اندرو و ارنا ویتربی نشان می دهد که نوشتن کد برای محاسبات درون حافظه به قدری متفاوت از محاسبات معمولی است که “…بعضی از اجزای سازنده علوم کامپیوتر غیرقابل استفاده…”

بدون لایه تبدیل مانند PyPIM، توسعه برنامه های کاربردی سازگار با پشتیبانی از پردازنده در حافظه بسیار دشوار بود. کد ماشین سطح پایین باید بازنویسی شود تا پردازش برخی از محاسبات در حافظه و بقیه در CPU انجام شود.

محاسبات درون حافظه روش جدیدی برای محاسبه است که هدف آن حل مشکل تأخیر حافظه است. همانطور که از نام آن پیداست، محاسبات درون حافظه، حافظه سیستم را قادر می‌سازد تا محاسباتی را که CPU در غیر این صورت انجام می‌دهد، انجام دهد و حجم داده‌ای را که باید بین CPU و DRAM منتقل شود کاهش می‌دهد.

سامسونگ و TSMC فعالانه در حال کار بر روی حافظه ای هستند که قادر به انجام این کار هستند و دارای سلول های حافظه MRAM هستند. محاسبات درون حافظه هنوز در مرحله نمونه اولیه است، اما پیشرفت هایی در بخش سخت افزاری در حال انجام است تا آن را به یک فناوری قابل دوام تبدیل کند. با کمک لایه های تبدیلی مانند PyPIM، باید نرم افزاری برای پشتیبانی از این روش محاسباتی ایجاد شود.

تحلیل

محاسبات درون حافظه برای مدتی در حال توسعه است و محققان Technion نرم افزاری را توسعه داده اند که با پردازش در طراحی حافظه با پایتون کار می کند؛ نرم افزاری که محققان ایجاد کردند دستورات پایتون را به کد ماشین تبدیل کرده که مستقیماً در حافظه رایانه اجرا می شود.

محاسبات درون خافظه روش جدیدی برای محاسبات است که مشکل تأخیر حافظه را رفع می‌کند.