算存融合的天基承载网架构

面向“网络无所不达、计算无处不在”的新一代泛在通信和服务一体化网络,多样化的业务应用存在对计算、存储与网络资源等多种维度资源的需求。与此同时,在卫星网络高动态、弱连接场景下,如何高效调度统筹天、地多元异构的算存资源,协同优化组网、传输、存储机制,建立天基计算、存储、网络联合的资源优化模型,提供高质量的天基承载网服务是一个亟须解决的重要问题。针对该问题,在研究天基算存融合技术的发展现状的基础上,研究和分析其对天基承载网架构的影响,并在此基础上提出一种算存融合的天基承载网架构,从组网优化、传输优化、存储优化、服务优化等4个方面系统分析算存融合的天基承载网架构相较于传统天基承载网架构的优势,总结相关关键技术,以期为后续卫星网络的研究、建设和标准化提供有价值的建议和参考。

通信-感知-计算-存储深度融合下的无线资源管控

为满足多样化应用与极致性能需求,6G网络将提供通信、感知、计算与存储的融合服务,实现无缝泛在连接、全域精准感知的愿景。围绕通感算存深度融合下无线资源管控研究,首先简要介绍了通感算存融合网络的产生背景和无线资源管控研究现状,并对通感算存深度融合的灵活组网架构构建与关键技术进行了阐述。进一步地,为实现通感算存深度融合下的多域资源高效管控,对移动边缘计算网络和通感一体化网络的无线资源管控关键技术进行了分析讨论,并在此基础上探讨了通信、感知、计算与存储融合下的无线资源管控相关技术难点。

智能存算融合系统研究进展与发展趋势

随着人工智能与万物互联时代的到来,海量数据驱动的大模型应用场景和计算任务层出不穷,深刻改变了信息技术与装备技术的发展。然而,在传统的冯·诺依曼体系结构计算系统中,存算分离的结构特性引发了“存储墙”问题,限制了计算系统处理计算密集型应用时的能效性能提升。存算融合系统是后摩尔时代下,衔接传统架构与新的类脑计算架构的新型计算范式,利用存储设备与定制化领域专用加速器的特性,将应用中的数据密集型计算任务融入存储设备中,从而消除数据搬运的开销,实现智能计算系统能效性能的显著提升。论文综述了存算融合系统研究进展,并聚焦于智能数据库这一典型基础应用,阐述了存算融合系统的发展趋势与前景。

一种针对人工智能运算的Flash存储架构设计以及实施

将合适的人工智能算法映射到异构计算硬件平台进行加速,是目前学术界以及工业界的一个研究方向。利用快速傅立叶变换(Fast Fourier Transformation,FFT)进行AI算法加速,同时为突破存算瓶颈,即存储墙,采用了存算融合的方法。在Flash存储体内局部加速操作数取址的并行化、无冲突化,并且与Flash存储架构的磨损均衡(Wear Leveling,WL)结合,不增加存储的功耗以及延时开销,同时均衡各Flash存储单元的磨损。通过相关定制Flash产品进行专门的固件开发以及测试,表明该方法可以明显提高AI加速性能,同时,也可定制专用的AI加速存算棒、存算卡,用于AI的高性能普适计算以及大规模部署,如高速雷达信号的AI处理、AI云服务器的建设。