基于SystemC的GPU软硬件协同虚拟平台构建方法

当前芯片虚拟验证中,一般使用硬件描述语言(verilog语言或SystemVerilog语言)构建主机模型和验证平台,模拟主机行为,对待测设计施加激励。对于GPU芯片而言,由于芯片功能被拆分到软件驱动和硬件设计,且软件驱动功能极其复杂,导致利用硬件描述语言模拟软件驱动行为的主设备模型很困难,不仅开发时间较长,还难以确保主设备模型和软件驱动行为一致,且还需单独开发对软件驱动的验证平台。因此,该文提出了一种GPU芯片的软硬件协同验证平台构建方法,以SystemC语言作为桥梁,在虚拟验证平台中兼容软件语言开发的激励和驱动,以及使用硬件语言开发的待测设计,不仅能够加快GPU虚拟验证平台的开发进度,还能保证虚拟验证和芯片的测试时主设备模型行为的一致性,对当前GPU芯片验证工作很有帮助。

GPU\CPU协同并行计算提升叠前偏移成像效率

由于图形处理芯片GPU（Graphic Processing Unit）拥有强大的通用计算能力，在地球物理领域进行GPu计算的应用研究日益受到关注。与通常情况下个人计算机（PC，Personal Computer）或者Pc集群所用的叠前时间偏移相比，本文方法可以较大地提高计算效率，从而在地震资料处理的实际工作中显著地节约计算成本和维护费用。通过实际应用实例表明，基于GPU＼CPU-b]协同并行计算，能够适应目前石油勘探中大规模的计算需求，提高生产效率，因此值得将该方法拓展并将其推广应用于油气勘探工作中。

使用GPU提高GIS空间栅格数据分析能力

GIS栅格数据分析方法是在GIS数据处理有十分重要的地位。但是,利用CPU计算密集型栅格数据会让计算机显得力不从心。在过去的几年中,GPU处理数据的速度远远超过了CPU,由于这个原因,许多学者提出了,利用图形显示芯片(GPU)来为地理学,几何图形以及数据库运算服务。本文提出了一种基于GPU的通用框架来实现GIS栅格数据操作,并且进行了一个比较基于CPU算法和基于GPU算法运算速度的实验。实验结果表明,利用GPU操作空间栅格数据可以显著的提高运算速度,这意味着,在相同硬件条件下利用GPU来处理空间栅格数据可以大大降低成本。