Séance de cours

Architecture reconfigurable : interconnexion statique tolérante aux pannes

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Description

Cette séance de cours se concentre sur une architecture de reconfiguration pour les dispositifs semi-conducteurs, abordant la variabilité de conception et les circuits de faible puissance. L'instructeur présente une matrice de cellules interconnectées statiquement, permettant un calcul tolérant aux pannes et un routage des données. Des outils tels que les algorithmes génétiques sont utilisés pour optimiser la cartographie des applications sur les cellules, tandis que les contrôleurs gèrent les défauts et les configurations. Les résultats montrent des compromis entre les contrôleurs légers et les contrôleurs lourds, en mettant l'accent sur les taux de réussite des corrections et la complexité de la conception.

Source officielle

Concepts associés (9)

Algorithme génétique

Les algorithmes génétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode exacte (ou que la solution est inconnue) pour le résoudre en un temps raisonnable. Les algorithmes génétiques utilisent la notion de sélection naturelle et l'appliquent à une population de solutions potentielles au problème donné.

Chromosome (genetic algorithm)

In genetic algorithms (GA), or more general, evolutionary algorithms (EA), a chromosome (also sometimes called a genotype) is a set of parameters which define a proposed solution of the problem that the evolutionary algorithm is trying to solve. The set of all solutions, also called individuals according to the biological model, is known as the population. The genome of an individual consists of one, more rarely of several, chromosomes and corresponds to the genetic representation of the task to be solved.

Crossover (genetic algorithm)

In genetic algorithms and evolutionary computation, crossover, also called recombination, is a genetic operator used to combine the genetic information of two parents to generate new offspring. It is one way to stochastically generate new solutions from an existing population, and is analogous to the crossover that happens during sexual reproduction in biology. Solutions can also be generated by cloning an existing solution, which is analogous to asexual reproduction. Newly generated solutions may be mutated before being added to the population.

Algorithme mémétique

Les algorithmes mémétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode de résolution pour résoudre le problème de manière exacte en un temps raisonnable. Les algorithmes mémétiques sont nés d'une hybridation entre les algorithmes génétiques et les algorithmes de recherche locale. Ils utilisent le même processus de résolution que les algorithmes génétiques mais utilisent un opérateur de recherche locale après celui de mutation.

Composant semi-conducteur

vignette|Aperçu de quelques dispositifs semi-conducteurs encapsulés Un composant semi-conducteur est un composant électronique dont le fonctionnement repose sur les propriétés électroniques d'un matériau semi-conducteur (principalement le silicium, le germanium et l'arséniure de gallium, ainsi que des semi-conducteurs organiques). Sa conductivité se situe entre les conducteurs et les isolants. Les composants semi-conducteurs ont remplacé les tubes à vide dans la plupart des applications.

Afficher plus

Séances de cours associées (64)

Dispositifs semi-conducteurs II: Défauts d'ingénierie

Couvre l'analyse des mesures et des défauts techniques dans les dispositifs à semi-conducteurs, y compris la densité des états et l'étude des défauts.

Dispositifs semi-conducteurs II: Modélisation de la résistance au contact

Explore la modélisation de la résistance au contact dans les dispositifs semi-conducteurs, en mettant l'accent sur le calcul de la tension de la porte et l'analyse des défauts.

Physiologie cellulaire: modèles de tir neuronaux

Explore la recréation de modèles de tir neuronaux à travers des modèles de canaux ioniques et des algorithmes génétiques.

Processus non-équilibrés: Interactions Electron-Phononon

Plonge dans les interactions électron-phonon hors équilibre, la conversion d'énergie et les régimes de transport.

Méthodes d'optimisation heuristique

Explore les méthodes d'optimisation heuristique pour trouver l'optimum global efficacement.

Afficher plus

Concepts associés (9)

Algorithme génétique

Chromosome (genetic algorithm)

Crossover (genetic algorithm)

Algorithme mémétique

Composant semi-conducteur

Afficher plus