To λεπτομερές περιεχόμενο του μαθήματος είναι το παρακάτω:

• H ανάγκη για δημιουργία παράλληλων αρχιτεκτονικών
• Είδη παραλληλισμού σε εφαρμογές (παραλληλισμός εντολών, δεδομένων, νήματος, διεργασιών).
• Παραλληλισμός σε επίπεδο εντολών με την χρήση του υλικού – Δυναμικός χρονοπρογραμματισμός και αλγόριθμος Tomasulo.
• Παράδειγμα: Intel’s x86 πολυπύρηνες μικροαρχιτεκτονικές.
• Τεχνολογία VLIW – Αλγόριθμοι για Software pipelining και Modulo scheduling
• Προχωρημένοι αλγόριθμοι μεταγλωττισμού: Superblocks, Hyperblocks, Predication, Speculation.
• Παράδειγμα: Intel’s EPIC αρχιτεκτονική και επεξεργαστές Itanium.
• Παράδειγμα: Graphics Processing Units (GPUs) – CUDA.
• Simultaneous multithreading – SMT processors Παράδειγμα: Επεξεργαστές IBM – Power.
• Ιεραρχία μνήμης και τεχνικές υλικού και λογισμικού αύξησης της απόδοσης της ιεραρχίας μνήμης.
• Δυναμική μνήμη (DRAM). Αρχιτεκτονική, λειτουργικότητα, συστήματα με DRAM. Memory Controllers.
• Συστήματα για data prefetching στην ιεραρχία μνήμης.
• Shared and Distributed συστήματα μνήμης.
• Πρωτόκολλα Memory Coherence and Memory consistency.
• Συγχρονισμός
• Αρχιτεκτονική για σύγχρονα Datacenters
• Σύγχρονες αρχιτεκτονικές και μηχανική μάθηση (Machine Learning).
• Το πρόβλημα της ασφάλειας στους σύγχρονους επεξεργαστές.
• Customizable processors – Reconfigurable computing.

To project του μαθήματος αφορά την προσομοίωση παράλληλων αρχιτεκτονικών είτε με την χρήση πραγματικών συστημάτων είτε με προσομοιωτές (simulators) σε προγράμματα benchmarks όπως PARSEC και Rodinia και την ανάλυση των αποτελεσμάτων.

Το μάθημα περιλαμβάνει μια λεπτομερή μελέτη της αρχιτεκτονικής, του σχεδιασμού και της απόδοσης προηγμένων επεξεργαστικών συστημάτων.
Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής /τρια θα είναι σε θέση να:

• Να έχει άριστη κατανόηση της δομής και της λειτουργικότητας ενός παράλληλου επεξεργαστικού συστήματος.
• Να κατανοεί την σημασία του παραλληλισμού μιας εφαρμογής και τον τρόπο με τον οποίο ένα επεξεργαστικό σύστημα μπορεί να εκμεταλλευθεί αυτόν τον παραλληλισμό.
• Να κατανοήσει τον παραλληλισμό σε επίπεδο εντολής, σε επίπεδο δεδομένων και σε επίπεδο νήματος. Να γνωρίσει σύγχρονα επεξεργαστικά συστήματα όπως Chip Multiprocessors, GPUs, Clusters κοκ.
• Να κατανοήσει τα προβλήματα που δημιουργεί ένα πολυπύρηνο σύστημα επεξεργαστών στην ιεραρχία της μνήμης και πως επιλύονται τα προβλήματα αυτά.

Τελικό διαγώνισμα, 50% του τελικού βαθμού

Ασκήσεις και εργασίες 50% του τελικού βαθμού

• H ανάγκη για δημιουργία παράλληλων αρχιτεκτονικών (0,5 εβδομάδες)
• Επανάληψη ύλης της Οργάνωσης Η/Υ (1 εβδομάδα)
• Είδη παραλληλισμού σε εφαρμογές (παραλληλισμός εντολών, δεδομένων, νήματος, διεργασιών) (0,5 εβδομάδες)
• Παραλληλισμός σε επίπεδο εντολών με την χρήση του υλικού – Δυναμικός χρονοπρογραμματισμός και αλγόριθμος Tomasulo (0,5 εβδομάδες)
• Παράδειγμα: Intel’s x86 πολυπύρηνες μικροαρχιτεκτονικές (0,5 εβδομάδες)
• Τεχνολογία VLIW – Αλγόριθμοι για Software pipelining και Modulo scheduling (1 εβδομάδα)
• Προχωρημένοι αλγόριθμοι μεταγλωττισμού: Superblocks, Hyperblocks, Predication, Speculation  (2 εβδομάδες)
• Παράδειγμα: Intel’s EPIC αρχιτεκτονική και επεξεργαστές Itanium (0,5 εβδομάδες)
• Παράδειγμα: Graphics Processing Units (GPUs) – CUDA  (1 εβδομάδα)
• Simultaneous multithreading – SMT processors Παράδειγμα: Επεξεργαστές IBM – Power
• (0,5 εβδομάδες)
• Ιεραρχία μνήμης και τεχνικές υλικού και λογισμικού αύξησης της αποδοτικότητας της ιεραρχίας μνήμης (1 εβδομάδα)
• Συστήματα για data prefetching στην ιεραρχία μνήμης (0,5 εβδομάδες)
• Shared and Distributed συστήματα μνήμης (1 εβδομάδα)
• Πρωτόκολλα Memory Coherence and Memory consistency (1 εβδομάδα)
• Συγχρονισμός (0,5 εβδομάδες)
• Αρχιτεκτονικές για Machine Learning (1 εβδομάδα)