| dc.contributor.advisor | Βενέτης, Ιωάννης | |
| dc.contributor.author | Ανδρέου, Νικόλαος Παναγιώτης | |
| dc.date.accessioned | 2026-04-21T14:36:43Z | |
| dc.date.available | 2026-04-21T14:36:43Z | |
| dc.date.issued | 2026-03 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/19183 | |
| dc.description.abstract | Η υπολογιστική απόδοση αποτελεί διαχρονικά κρίσιμο ζήτημα στον πολλαπλασιασμό μεγάλων αραιών μητρώων με διανύσματα (Sparse Matrix–Vector Multiplication, SPMV), καθώς ο χρόνος εκτέλεσης αυξάνεται σημαντικά όσο μεγαλώνει το μέγεθος και η πολυπλοκότητα των δεδομένων. Το πρόβλημα καθίσταται εντονότερο στην περίπτωση αραιών μητρώων που περιέχουν στοιχεία κινητής υποδιαστολής διπλής ακρίβειας (64-bit double precision). Η αρχιτεκτονική και ο τρόπος λειτουργίας των κεντρικών μονάδων επεξεργασίας (CPU) συχνά δεν επαρκούν για την αποδοτική εκτέλεση τέτοιων πράξεων σε αποδεκτούς χρόνους. Αντιθέτως, οι μονάδες επεξεργασίας γραφικών (GPU), αξιοποιώντας τον υψηλό βαθμό παραλληλισμού που προσφέρουν, αποτελούν καθιερωμένη λύση για την επιτάχυνση αντίστοιχων υπολογιστικών εργασιών.
Σκοπός της παρούσας εργασίας είναι η μελέτη και αξιολόγηση μιας εναλλακτικής αρχιτεκτονικής επεξεργασίας τύπου Process-In-Memory (PIM), η οποία, πέραν της υποστήριξης παράλληλων υπολογισμών, ενσωματώνει τη μονάδα επεξεργασίας και τη μνήμη στο ίδιο ολοκληρωμένο κύκλωμα. Με τον τρόπο αυτό επιδιώκεται η μείωση των καθυστερήσεων που προκύπτουν από τη μεταφορά δεδομένων μεταξύ επεξεργαστή και μνήμης.
Για τον σκοπό αυτό, πραγματοποιείται σύγκριση της απόδοσης ενός PIM συστήματος με εκείνη μιας GPU. Ειδικότερα, μετράται ο χρόνος εκτέλεσης του πολλαπλασιασμού αραιού μητρώου με τυχαίο διάνυσμα για δώδεκα διαφορετικά αραιά μητρώα, αξιοποιώντας δύο διακριτές τεχνικές λειτουργίας για το σύστημα PIM. Τα πειράματα ενσωματώνονται σε πραγματική επιστημονική εφαρμογή που αφορά την προσομοίωση δικτύων βιολογικών νευρώνων.
Τα αποτελέσματα της μελέτης υποδεικνύουν ότι, παρότι η αρχιτεκτονική PIM παρουσιάζει θεωρητικά πλεονεκτήματα, απαιτούνται περαιτέρω βελτιώσεις ώστε η συγκεκριμένη τεχνολογία να καταστεί πλήρως αξιοποιήσιμη σε απαιτητικές επιστημονικές εφαρμογές. | el |
| dc.format.extent | 62 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Μελέτη απόδοσης συστήματος PIM (Process in Memory) ως προς την υλοποίηση πολλαπλασιασμού αραιών μητρώων επί διάνυσμα SPMV | el |
| dc.title.alternative | Study of PIM (Process in Memory) system performance regarding Sparse Matrix-Vector Multiplication SPMV implementation | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | Computational performance is a frequent concern when it comes to sparse matrix-vector multiplication (SPMV). In such multiplications, the execution time increases significantly. The problem is intensified in sparse matrices that include 64-bit double-precision floating-point elements, which are decimal numbers with many digits before or after the decimal point. The architecture and, consequently, the mode of operation of central processing units (CPUs) are not sufficient to perform the operations in a reasonable amount of time. In contrast, graphics processing units (GPUs), with their ability to perform parallel computations, are now the main solution to the problem as they execute these operations more efficiently.
The purpose of this work is to study a new processor architecture, Process In Memory (PIM), which not only performs parallel computations but also differs in that it integrates a processing unit and memory into a single circuit. This avoids the delays that arise from the transfer of information between the two.
For this purpose, the performance of the PIM system was compared with that of a GPU. Specifically, the execution time was measured for the two alternatives (GPU and PIM) for sparse matrix-vector multiplication on thirteen different matrices using two alternative operating techniques for the PIM system. The above was applied to a real scientific application that studies the simulation of biological neuron networks (Leaky Integrated-and-Fire (LIF)).
This work suggests that this technology needs improvements to become usable for real scientific applications. | el |
| dc.contributor.master | Πληροφορική | el |
| dc.subject.keyword | SPMV | el |
| dc.subject.keyword | DPU | el |
| dc.subject.keyword | CPU | el |
| dc.subject.keyword | GPU | el |
| dc.subject.keyword | Αραιό μητρώο | el |
| dc.subject.keyword | Διάνυσμα | el |
| dc.subject.keyword | LIF | el |
| dc.date.defense | 2026-03-30 | |
