Матричный процессор

Таблица 9.5. Сравнение характеристик центрального процессора (ЦП) и матричного процессора (МП)

Базовая архитектура микро- и миникомпьютеров и больших систем с центральными процессорами была описана в гл. 4. Их использование в качестве средств ОД было рассмотрено на различных примерах, приведенных в предыдущих главах. Еще раз следует отметить, что специфические виды применения коМ пьютеров в ОД часто требуют средств определенного типа, а для решения ряда задач может потребоваться комбинация этих средств. Так, например, чтобы провести с минимальной задержкой обработку большого объема кристаллографических данных [7], необходим большой компьютер с центральным процессором или матричный процессор. В тех случаях, когда необходимо обработать большой объем данных, например при распознавании образов [8] или в спектроскопии сетки фотодиодов, мощность миникомпьютера или быстрого микропроцессора может оказаться вполне достаточной. Другие виды обработки данных могут быть идеально выполнены при помощи микропроцессора, в статье [11] приведен прекрасный пример применения микрокомпьютерной системы для обработки результатов, получаемых в процессе потенциометрического анализа десорбции. Примером комбинации средств ОД для решения аналитической задачи может служить описанное в статье [12] использование двух микропроцессоров (и периферийных устройств) и связанного с ними по телефонной сети центрального процессора для анализа и представления данных исследования рентгеновской эмиссии, индуцированной протонами. [c.373]

Доступность графических дисплейных систем и диалоговых устройств, которые получили широкое распространение в последние годы, благоприятствует новым разработкам в области алгоритмического и программного обеспечения, поскольку такое математическое обеспечение позволяет человеку активно вмешиваться в процесс распознавания. Большое внимание привлекают такие концепции, как параллельная обработка, матричные процессоры, особенно для обработки в реальном масштабе времени и при оперировании большими объемами данных в короткие промежутки времени. [c.293]

Улучшение изображения в реальном масштабе времени требует, чтобы арифметический процессор выдавал обработанный элемент изображения приблизительно через каждые 100 не. Для обычного универсального компьютера это слишком быстро. Поэтому в процессорах для обработки изображения в реальном масштабе времени очень часто используются жестко вмонтированные специальные арифметические устройства. И хотя это накладывает некоторые ограничения на выбор обрабатывающих алгоритмов, такие устройства широко используются в оборудовании для радиационного контроля. Кроме этого для решения указанной проблемы применяют быстродействующие (900 млн. операций в секунду) матричные процессоры. [c.93]

НИЯ производительности. Анализ причин относительного ухудшения характеристик с ростом числа процессоров показывает, что потери связаны с координацией различных одновременно протекающих процессоров и действиями, необходимыми для предотвращения конфликтов. Тем не менее можно создать мультипроцессорную систему, которая требует минимума вспомогательных операций за счет ограничения работы всех процессоров одновременным выполнением одинаковых операций. Такие системы называются матричными процессорами или суперкомпьютерами. Обычно они состоят из набора идентичных ЦП, работающих синхронно под управлением главного процессора. [c.197]

Суперкомпьютеры (и матричные процессоры) состоят из большого числа связанных между собой элементарных процессоров, что позволяет проводить большое число параллельных операций над данными. Эти процессоры синхронизованы и управляются таким образом, что быстродействие суперкомпьютера значительно превышает скорость вычислений обычной универсальной ЭВМ. Для иллюстрации способа, с помощью которого достигается такое быстродействие, рассмотрим сложение двух векторов размерности 100. В обычном компьютере эта задача решается путем проведения ста последовательных операций сложения, по одной на каждую пару соответствующих компонент векторов. В суперкомпьютере аналогичные вычисления производятся значительно быстрее, так как сложение векторов осуществляется выполнением одновременно 100 операций сложения чисел. Нетрудно видеть, что выигрыш в быстродействии по сравнению с отдельным ЦП стократный. Такие операции (подобно сложению векторов) встречаются в большом числе задач по обработке данных (например, кристаллографических), при поиске информации в больших массивах экспериментальных данных (методами сопоставления с образом) и при моделировании систем с большим числом элементов (например, при моделировании свойств молекул, содержащих 100—1000 атомов). [c.197]

Следует отметить две важные тенденции развития архитектуры мультипроцессорных машин. Первая касается локализации системы ЭВМ, а вторая — их распределения, В этой главе обсуждались вопросы, в основном связанные с первой тенденцией. Подчеркнуто, что мультипроцессорные вычислительные системы обладают повышенной производительностью. Учитывая потенциальные возможности таких суперкомпьютеров по обработке данных, большую роль будет играть специализированное оборудование (в виде матричных процессоров и сверхмощных вычислительных систем). За счет этого оборудования скорость обработки данных возрастает до границ, недоступных обычным универсальным вычислительным машинам. Поэтому суперкомпьютеры позволяют решать такие задачи, к которым ранее нельзя было подступиться, несмотря на всю их важность. Вторая тенденция в развитии сверхмощных ЭВМ связана с объединением в единую вычислительную сеть нескольких компьютеров, находящихся на значительном расстоянии друг от друга. Падение цен на компоненты вычислительных сетей и увеличение стандартизации компьютерных интерфейсов способствуют тому, что этот способ распределенной обработки данных становится значительно доступнее. Созданы сложные вычислительные сети, включающие в себя микро- [c.200]

Краткое введение в этот предмет было дано в гл. 4 в разделе, посвященном суперкомпьютерам. Там же была высказана мысль, что компьютеры, способные реализовать этот метод, идеально подходят для обработки данных в тех случаях, когда необходима высокая степень параллелизма обработки данных. Основное преимущество матричных процессоров — существенное уменьшение машинного времени. [c.393]

В табл. 9.5 [33] сравниваются некоторые типичные характеристики матричного процессора (слева) и обычного централь- [c.393]

Качество сформированного изображения зависит от геометрии просвечивания и общего числа измерительных данных. Для небольших объектов контроля разрешение в 0,5 мм требует около миллиона измерений. Для объектов диаметром 2 мм необходимо около 150 млн. измерений. Для современных томофафов обычно требуется 5 мин на сбор измерительных данных и 10 мин на их обработку, а также формирование изображения. Матричные процессоры способны работать со скоростью 900 млн. операций в секунду. [c.100]

На протяжении всей книги )Мы уделяли значительное внимание различным аспектам обработки данных и их применению в аналитической химии. Потребность в доступе к вычислительным системам обусловлена в первую очередь постоянной необходимостью обрабатывать данные, запоминать их, а впоследствии отыскивать. Не менее важную роль грает также то обстоятельство, что компьютеры все чаще используются в качестве средств уп-равления как в лаборатории, так и на производстве. В гл. 4 были описаны различные типы вычислительных систем микрокомпьютеры, миникомпьютеры, больщие ЭВМ с центральным процессором и суперкомпьютеры. В основе последних лежит высокопараллельное соединение обрабатывающих элементов, приводящее к мультипроцессорным системахм и матричным процессорам. Новейшая тенденция в этой области— создание ультракомпьютеров [1], т. е. организация вычислительных комплексов, состоящих из тысяч взаимосвязанных элементов. Такие комплексные системы разрабатываются с использованием технологии СБИС (см. гл. 4). Создание комплексных вычислительных систем стимулируется тем, что на подобных машинах можно достичь большего быстродействия (благодаря параллелизму) и большей надежности (благодаря резервированию). Компьютеры, связанные в такие комплексы, обычно располагают недалеко друг от друга — часто в одном и том же помещении. Для описания организации вычислительных систем был введен термин многопроцессорная обработка (гл. 4). [c.466]

Справочник химика 21

Химия и химическая технология